Windows编程 Windows下Unicode编码

我们知道在ascii编码，每个字符占用一个字节，这样能够表示的字符数远远不够表示世界所有语言的符号，所以Unicode编码就是出现了，当然Unicode也有8位 16位 32位的编码，UTF-8、UTF-16、UTF-32分别以char、char16_t、char32_t作为编码单位，本文讨论16位 即UTF-16，（注： char16_t 和 char32_t 是 C++ 11 标准新增的关键字。如果你的编译器不支持 C++ 11 标准，请改用 unsigned short 和 unsigned long。）

 

当然本文着重讨论Unicode在Windows中的应用，至于具体细节以及原理上的东西，本人才疏学浅，不配在此谈论此问题，呵呵。还请各位到Google去寻找大牛吧。。由于个人能力有限，文中难免有错误之处，还请各位多多批评和指正，多多包涵才是。

许久以前我在学习MFC的过程中，用GetDlgItemText获取Edit Control的值，其得到的值是CString，我们看下该函数的原型：

int GetDlgItemText( HWND hDlg , int nID, LPTSTR lpStr, int nMaxCount) const;
int GetDlgItemText( int nID, CString& rString) const;

CString编码方式为TCHAR，即在定义了UNICODE和_UNICODE(前者是Windows风格后者是C语言风格，效果形同，通常同时定义)时，是wchar_t型，没有定义时是char型。那么在项目设置为多字节编码时，很好处理，比如在网络编程过程中

sendto(
    _In_ SOCKET s,
    _In_reads_bytes_(len) const char FAR * buf,
    _In_ int len,
    _In_ int flags,
    _In_reads_bytes_(tolen) const struct sockaddr FAR * to,
    _In_ int tolen
    );

sendto第二个参数为待发送数据的缓冲区，char类型的指针，这时CString的存储类型就为char ，那么可以直接使用CString的值。

但是当项目的编码方式设置为Unicode时，这时CString的存储类型就为wchar_t，就需要将CString进行类型转换，CString有一个成员函数GetBuffer，这个函数是为一个CString对象重新获取其内部字符缓冲区的指针,返回的LPTSTR为非const的,从而允许直接修改CString中的内容。然后就可以强制转换为(char *)类型了。

但是在接收端你必须还要劳烦一次，呵呵  有点啰嗦了，这不是我的风格，代码如下：

wchar_t recvBuf[200];
SOCKADDR_IN addrFrom;
int len=sizeof(SOCKADDR);
recvfrom(sock,(char *)recvBuf,200,0,(SOCKADDR*)&addrFrom,&len);

或者在进行一下处理：

char *ip=inet_ntoa(addrFrom.sin_addr);
wchar_t *wIp=new wchar_t;
memset(wIp,0,sizeof(wchar_t*));
MultiByteToWideChar(CP_ACP,0,ip,-1,wIp,16);      //点分10进制格式地址最长也就15                                                       
wsprintf(tempBuf,L"%s说：%s",wIp,recvBuf);
::PostMessageA(hwnd,WM_RECVDATA,0,(LPARAM)tempBuf);

参考：http://blog.163.com/zui_qingbei/blog/static/20957123620126252567489/

关于MFC的CString就先说到这儿吧 ！

接下来看下使用

TCHAR ：

#ifndef _TCHAR_DEFINED
typedef WCHAR TCHAR, *PTCHAR;
typedef WCHAR TBYTE , *PTBYTE ;
#define _TCHAR_DEFINED
#endif /* !_TCHAR_DEFINED */

#ifndef _MAC
typedef wchar_t WCHAR;    // wc,   16-bit UNICODE character
#else
// some Macintosh compilers don't define wchar_t in a convenient location, or define it as a char
typedef unsigned short WCHAR;    // wc,   16-bit UNICODE character
#endif

可以看出TCHAR 实质就是wchar_t（在Unicode编码下）。

_T("")是一个宏，定义于tchar.h下。

#define _T(x)       __T(x)
#define _TEXT(x)    __T(x)

他的作用是让你的程序支持Unicode编码，因为Windows使用两种字符集ANSI和UNICODE，前者就是通常使用的单字节方式，但这种方式处理象中文这样的双字节字符不方便，容易出现半个汉字的情况。而后者是双字节方式，方便处理双字节字符。

Windows NT的所有与字符有关的函数都提供两种方式的版本，而Windows 9x只支持ANSI方式。

如果你编译一个程序为ANSI方式，_T实际不起任何作用。而如果编译一个程序为UNICODE方式，则编译器会把"Hello"字符串以UNICODE方式保存。_T和_L的区别在于，_L不管你是以什么方式编译，一律以UNICODE方式保存。

L是表示字符串资源为Unicode的。比如：

wchar_tStr[] = L"Hello World!";    这个就是双字节存储字符了。

_T是一个适配的宏～ 当#ifdef _UNICODE的时候 ，_T就是L，没有#ifdef _UNICODE的时候，_T就是ANSI的。

LPTSTR lpStr = new TCHAR[32];
TCHAR* szBuf = _T("Hello");

以上两句使得无论是在UNICODE编译条件下还是在ANSI编译条件下都是正确编译的。

_TEXT      //同样定义于tchar.h下

#define _T(x)       __T(x)
#define _TEXT(x)    __T(x)

看出来了吧 _TEXT和_T一样的作用。

TEXT     //定义于winnt.h

#define TEXT(quote) __TEXT(quote)   // r_winnt

#define __TEXT(quote) L##quote      // r_winnt

呵呵 看到这儿，可能有些懵了吧，TEXT   和  _T功能一样？是的，功能一样，但是有了_T为什么还有TEXT呢，我们看他们定义的头文件，TEXT定义于winnt.h，以win开头的是Microsoft的头文件，根据宏内容，winnt.h是以UNICODE定义的，Tchar.h则是以_UNICODE定义的，是有区别的，至于Microsoft为什么这么做，应该是为了windows开发者能够方便统一吧！其实在winnt.h这个头文件中同样对TCHAR之类的类型进行了定义，有兴趣的童鞋可以去看看这两个问价的内容分。

TEXT   和  _T的区别解释的很不准确，欢迎大家指正，待本人理解在深刻一些在做修改吧 ！

好吧，要回寝室了，今日就到这儿了，Unicode字符串的处理明日在叙！！！

继续。。。。

说完了使用 接下来说处理吧

先看_tcslen()这个函数 ，在tchar.h 这个头文件里面找到了其定义

#define _tcslen         wcslen

仔细点还可以找到另一个定义

#define _tcslen     strlen

呵呵 ，我想大家已经明白其意思了吧！

在Unicode编码下会使用上面那个宏，当然多字节编码就会使用下面那个了。

的确，Microsoft这样一处理，我们使用起来就方便多了，很容易在项目里面实现统一。

使用和处理都说了 最后说一下转换吧！

有时候项目是采用多字节编码，但是一些windows函数不支持宽字节，比如上面说到了网络编程中的收发数据的函数，这时候就需要我们转换一下：

int WINAPI MultiByteToWideChar(
    _In_ UINT CodePage,
    _In_ DWORD dwFlags,
    _In_NLS_string_(cbMultiByte) LPCCH lpMultiByteStr,
    _In_ int cbMultiByte,
    _Out_writes_to_opt_(cchWideChar, return) LPWSTR lpWideCharStr,
    _In_ int cchWideChar
    );

int WINAPI WideCharToMultiByte(
    _In_ UINT CodePage,
    _In_ DWORD dwFlags,
    _In_NLS_string_(cchWideChar) LPCWCH lpWideCharStr,
    _In_ int cchWideChar,
    _Out_writes_bytes_to_opt_(cbMultiByte, return) LPSTR lpMultiByteStr,
    _In_ int cbMultiByte,
    _In_opt_ LPCCH lpDefaultChar,
    _Out_opt_ LPBOOL lpUsedDefaultChar
    );

这里是我常用的两个函数，当然肯定还有其他方法，这个视编程的情况而定吧。

其他方法请参考：http://www.cnblogs.com/coderlee/archive/2008/01/25/1053311.html

到这里就差不多了吧，最后看几个常用字符串指针

LPSTR：32bit指针指向一个字符串，每个字符占1字节

LPCSTR:32-bit指针指向一个常字符串，每个字符占1字节

LPCTSTR:32-bit指针指向一个常字符串,每字符可能占1字节或2字节，取决于Unicode是否定义

LPTSTR:32-bit指针每字符可能占1字节或2字节，取决于Unicode是否定义

都与这里内容较多，各位可以自己把这几个指针类型输入编译器，按F12转到代码，看看这几个类型Windows是如何定义的。

还是简单的说下吧，'L'代表Long，'P'代表Pointer(指针)，'STR'表示这个变量是一个字符串，'C'表示Const，'T'表示_T宏，呵呵  说到这儿相信大家以后也能够见名知其意思了吧！

这篇就到底就结束了！希望以后有机会写更精彩的内容呈现给大家。。手好软。。。