确定Windows XP到底是UCS-2的还是UTF-16的
一般认为Windows下以16bit表示的Unicode并不是UTF-16，而是UCS-2。UCS-2是一种编码格式，同时也是指以一一对应关系的Unicode实现。在UCS-2中只能表示U+0000到U+FFFF的BMP(Basic Multilingual Plane ) Unicode编码范围，属于定长的Unicode实现，而UTF-16是变长的，类似于UTF-8的实现，但是由于其字节长度的增加，所以BMP部分也做到了一一对应，但是其通过两个双字节的组合可以做到表示全部Unicode，表示范围从U+0000 到 U+10FFFF。关于这一点，我在很多地方都看到混淆了，混的我自己都有点不太肯定自己的说法了，还好在《UTF-16/UCS-2》中还是区别开了，不然我不知道从哪里去寻找一个正确答案。（哪怕在IBM的相关网页上都将UCS-2作为UTF-16的别名列出）
在《UTF-16/UCS-2》文中有以下内容：
UTF-16 is the native internal representation of text in the Microsoft Windows 2000/XP/2003/Vista/CE; Qualcomm BREW operating systems; the Java and .NET bytecode environments; Mac OS X's Cocoa and Core Foundation frameworks; and the Qt cross-platform graphical widget toolkit.[1][2][citation needed]
Symbian OS used in Nokia S60 handsets and Sony Ericsson UIQ handsets uses UCS-2.
The Joliet file system, used in CD-ROM media, encodes filenames using UCS-2BE (up to 64 Unicode characters per file).
Older Windows NT systems (prior to Windows 2000) only support UCS-2.[3]. In Windows XP, no code point above U+FFFF is included in any font delivered with Windows for European languages, possibly with Chinese Windows versions.[clarification needed]
很明确的说明了Windows 2000以后内核已经是UTF-16的了，这点还真是与平时的感觉相违背，于是可以测试一下。在UTF-16的编码转换函数（Python实现）
中我在windows下输出了三个太玄经的字符，“”不过实际实在UltraEdit中输出的，虽然在windows下的确是显示出来了，但是也可能是UltraEdit的功能,我们这次用windowsAPI显示出来，以此证明，Windows的内核的确是能够识别并显示此三个太玄经的字符。至于为什么能显示太玄经的字符就表示内核是UTF-16的，是因为UCS-2只能表示到BMP范围的字符，太玄经的字符超出了其能表示的范围，假如你有古老电脑的，安装着Windows NT早期版本的系统，可以用同样的例子试试，应该是不能显示出来的。
int _tmain(int argc, _TCHAR* argv[])
{
wchar_t lwc[8];
lwc[0] = 0xd834;
lwc[1] = 0xdf00;
lwc[2] = 0xd834;
lwc[3] = 0xdf01;
lwc[4] = 0xd834;
lwc[5] = 0xdf02;
lwc[6] = 0;
lwc[7] = 0;
MessageBoxW(NULL, lwc, lwc, MB_OK);
return 0;
}
会弹出一个对话框，显示字符。很显然,Windows内核是能正确识别UTF-16字符了。
但是为什么平时都说Windows是UCS-2的呢？因为其编程的接口都是UCS-2的，根本不能理解超出UCS-2但是确是UTF-16的字符，比如上述的太玄经字符。在上面的例子中，其实只有3个字符，显示的时候也能正确，但是看下面的例子：
int _tmain(int argc, _TCHAR* argv[])
{
wchar_t lwc[8];
lwc[0] = 0xd834;
lwc[1] = 0xdf00;
lwc[2] = 0xd834;
lwc[3] = 0xdf01;
lwc[4] = 0xd834;
lwc[5] = 0xdf02;
lwc[6] = 0;
lwc[7] = 0;
int i = wcslen(lwc);
printf("%d\n", i);
int j = lstrlenW(lwc);
printf("%d\n", j);
return 0;
}
无论是i,j都是6，也就是说，无论是Windows下的C语言库函数(wcslen)，还是其API（lstrlenW是windows的API，这点不要奇怪），都是无法正确识别UTF-16字符的，连数数都不会数，所以实际的编程体验就是，虽然其内核UTF-16化了，但是你还是只能当UCS-2来使用-_-!
以上测试也许还不能完全让人信服，再看看MFC的例子（VS2005下的MFC版本）
老地方 http://groups.google.com/group/jiutianfile/
有一个TestUnicodeMFc.rar的工程，打开看看，就知道了。当太玄经的3个字符在输入框中时，通过CEdit控件计算出来的长度是6，最最与以前多字节的时候想的是，当你删除一个字符（按一下backspace），你删除的不是一个太玄经字符，而是删除了最后一个字符的一半，然后最后一个字符虽然消失了，但是你发现还有其一半的存在，然后计算长度，输出的是5。唯一比以前好的是，没有出现乱码，原因在于，这个单个的UTF-16字符已经超过了UCS-2能表示的范围，所以没有意义。
至此，我的结论是，Windows是已经从内核支持UTF-16了，但是你还是得在UCS-2上编程-_-!
关于此部分内容参看《UTF-16/UCS-2》。
关于Unicode的编码范围的内容参看《Mapping of Unicode character planes》。
