以文本方式查看主题 - 中文XML论坛 - 专业的XML技术讨论区 (http://bbs.xml.org.cn/index.asp) -- 『 C/C++编程思想 』 (http://bbs.xml.org.cn/list.asp?boardid=61) ---- Win32学习笔记- Unicode (http://bbs.xml.org.cn/dispbbs.asp?boardid=61&rootid=&id=55771) |
-- 作者:卷积内核 -- 发布时间:11/21/2007 2:56:00 PM -- Win32学习笔记- Unicode 佛曰:众生皆平等。但是人却可以利用较高等的智慧站在了众多生物的至高点。吃早饭的时候我看着被做成菜的那条鱼,想到它也是生命。所以说到底,还是有些等级之分。学习WIN32过程中让我知道了Unicode的存在。Unicode最终会取代ASCII码成为标准。但是之前还有很长一段路要走。虽然Unicode的优势很明显,但是因为历史遗留问题,ASCII会存在很长一段时间。 学习C语言的时候您应该接触过ASCII码。学习本章的内容需要ASCII知识。 学习Unicode有必要了解字符集的历史。从最早的象形字开始,我们使用字符文字已经有近6000年了。19世纪的几个发明家发明了电报,当时在电报中使用的代码是Morse代码。字母表中的每个字符对应于一系列短和长的脉冲。 计算机是处理的数据其实是一系列1和0。每一段数字都代表一种字符。这就是ASCII码。7位数的ASCII码对于美国的字符集支持得很好。不幸的是地球上有一百多个国家和地区,2000多个民族。对于美国以外的用户来讲在计算机中显示自己国家的文字困难重重。 尤其是中国,日本,朝鲜更是如此。以中国为例,有数也数不清的汉字。办法总是有的。人们引入了"代码页"和"双字节字符集"的概念。这种编码方式非常庞大和复杂,不利于维护。这个时候Unicode应运而生了。 Unicode的解决方案非常简单。既然不能用7位或者8位数值表示,那么我们应该试一下更宽的值。例如16位,这样就允许表示65536个字符。Unicode和ASCII是兼容的。也就是说,前128个字符的数值是相同的。 Unicode的最大好处是只有一个字符集。当然Unicode也有缺点,Unicode占用的内存是ASCII码的两倍。而且人们还不太习惯Unicode。 对于程序员来讲,8位的ASCII码和16位的Unicode是我们必须面对的问题。为了解决宽字符(16位)问题,Windows在头文件中定义了"新"数据类型。 typedef unsigned short wchar_t; 可以看出wchar_t其实是16位的无符号短整型数。Windows用这种方法存贮16位字符。 wchar_t *p = L"Hello!"; 在"Hello!"前有一个大写字母L(代表lo
|
-- 作者:卷积内核 -- 发布时间:11/21/2007 2:56:00 PM -- ng)。这将告诉编译器该字符串按宽字符保存。即每个字符占用2个字符。存贮该字符串需要14个字节。字符串末尾还有一个/0也需要2个字节。 我们都知道如何获得字符串的长度。 int iLength; 函数strlen()返回字符串的长度,长度将不包括末尾的/0。变量iLength将等于6,也就是字符串中的字符数。 接下来我们试着用strlen()检查宽字符的字符串。 wchar_t *pw = L"Hello!"; strlen()的参数应该是char类型的指针,但是现在却接受了一个unsigned short类型的指针。编译后您会发现iLength等于1。 why?字符串"Hello!"中的6个字符宽字符代码如下: 0x0048 0x0065 0x006c 0x006c 0x006f 0x0021 Intel处理器在内存中将其存为: 48 00 65 00 6c 00 6c 00 6f 00 21 00 strlen()的工作过程是遇到0就结束。因为0表示一个字符串的结束。当读完"48"后strlen()遇到的是0,所以strlen()返回1。 由上例可以看出C语言的函数无法正确处理宽字符。在参数中有字符串的函数全部需要重写。strlen()的宽字符版本是wcslen(),并且在STRING.H中和WCHAR.H中均有声明. 现在我们知道,要得到宽字符串的长度,可以调用 iLength = wcslen(pw); 该函数返回将返回字符串中的字符数6。请记住,改成宽字节后字符串的字符长度不变,只是字节长度改变了。千万不要混淆。 因为Unicode占用两倍的存储空间,所以宽字节运行库中的函数比常规的函数大。所以最好是建立两个版本的程序,一个处理ASCII字符串,另一个处理Unicode字符串。但是这样以来又引来了另一个小问题。因为每一个实现特定功能的函数都有两个版本,所以名字不好记。不管是ASCII版本还是Unicode版本,都用相同的名字该多好啊?幸好这个问题已经得到了解决。 解决办法是使用Visual C++包含的TCHAR.H头文件。该头文件不是标准C的一部分。为了与标准C的头文件分别开来,该头文件内定义的每个函数和宏定义的前面都有一条下划线。 #define _tcslen wcslen 如果没有定义_UNICODE,则_tcslen()被定义为strlen()。 #define _tcslen strlen TCHAR.H还用一个新的数据类型TCHAR来解决两种字符数据类型的问题。如果定义了_UNICODE标识符,那么TCHAR就是wchar_t: typedef wchar_t TCHAR; 否则TCHAR就是char: typedef char TCHAR; 还记得第一章里出现过的TEXT()吗?那是为了兼容UNICODE字符集所做的改动。下面就来看看TEXT()在头文件中是怎么定义的。 #define __T(x) L##x 后面的L##x您可能看不懂。很少有书提到它。但那确实是标准C预处理的一部分。这一对"##"称为粘贴号(token paste)。看来我们对标准C的了解还不够。是时候买本"The C Programming Language"了。它将字母L添加到宏参数上。 __T("Hello!") 等于 L##"Hello!" 等于 L"Hello!"。 此外还有两个宏与__T定义相同: #define _T(x) __T(x) WINNT.H头文件中还定义了一个宏,该宏也跟__T一样,将L添加到字符串前。 #ifdef UNICODE #define TEXT(quote) __TEXT(quote) 在本书中使用的就是TEXT(quote)。现在您知道了为什么会把字符串用TEXT()括起来了吧。what?还不明白?您可以先恶补标准C,然后再多读几遍。再不会那就是天份问题了。不过,连像我这样的村民都能看懂,您没理由不会啊!
|
-- 作者:卷积内核 -- 发布时间:11/21/2007 3:02:00 PM -- 问题整理: 1、我现在需要用unicode编译,但是不知如何设置? 我只能在设置选项里选择:release或debug Project Setting->C/C++(General)->Preprocessor definitions里加上UNICODE进行设置。 我把"中文"赋值给一个CString s,按道理s中的值应该是Unicode编码的,也就是4E 2D 65 87,可是跟踪时却发现s为D6 D0 CE C4,还是GB2312编码.根本就没有用Unicode. 答: |
W 3 C h i n a ( since 2003 ) 旗 下 站 点 苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》 |
214.844ms |