其他的没什么好说的，直接看代码即可，唯一一个需要说明的是，C++中常用的三种字符编码：
MBCS，Unicode，UTF8，新手一般会在这个问题上犯糊涂。
MBCS是变长字节编码，具体的编码由操作系统确定，实际上是操作系统的内码。如在简体中文操作系统中，其编码是GB18030（GB2312的超集）；在繁体中文操作系统中，其编码是BIG5。对于GB18030，其英文字符编码与ASCII码值相同，用单字节编码，中文字符则用双字节编码，其值为字符对应的区位码值。
Unicode是双字节编码。其英文字符编码也与ASCII码值相同。不同之处在于，即使英文字符也用双字节表示，其第一个字节值为0，第二个字节为对应的ASCII码值。对于汉字，与GB18030的不同之处在于，相同汉字的编码值不同，不是汉字的区位码值，而是Unicode编码值。
UTF8也是变长字节编码。其英文字符编码也与ASCII码值相同，但只用一个字节编码；对于汉字等字符，则用两个字节编码。与GB18030的不同之处在于，其汉字的编码值不同。与Unicode的不同之处在于，不是用两个字节表示英文字符，而只用一个。同一个汉字在Unicode和UTF8中的值是否相同，由于笔者既没有查看编码规范，也没有实验验证过，并不知晓。
从以上的说明可以看出，存储一个相同的中英文混合的文本文件，MBCS和UTF8编码的文件要比Unicode编码的文件小，这是因为前两者对英文字符都使用单字节编码，更节省空间的缘故。实验中还发现，MBCS比UTF8文件的大小要稍小，笔者懒惰，并没有去查究原因。当前的大量网页都采用UTF8编码而不是Unicode编码，估计文件大小也是考虑的因素之一。
在计算机对这三种文字编码的处理效率上，Unicode编码要比MBCS和UTF8编码的效率高。这是因为Unicode是定长编码，在处理过程中不需要判断下一个字符的开始位置，因而处理效率高。在C++中，如果开启Unicode编码，则程序中的所有字符就是Unicode编码。如果需要保存为UTF8编码，必须手工处理。除了C++，我知道的ruby语言默认的也是使用Unicode编码。
附件是C++中读写UTF8文件的工具类。想当初我在互联网上到处寻找读写UTF8的C++方法，遍寻不得，希望能够给后来人给予帮助。附件中的CDirectory类是我在项目中使用的文件夹操作函数。
代码下载
posted on 2008-06-21 17:05
红马天下 阅读(511)
评论(1) 编辑 收藏 所属分类:
C++