|
VC++的Unicode編程
來自 vckbase? 我最近在使用VS2005做VC++/MFC方面的制作遇到了一些問題，這篇文章能夠解決很多關(guān)于寬字符的周邊。。呵呵，直接貼過來了，雖然很多貼圖是VC6的
作者：韓耀旭
下載源代碼
一、什么是Unicode
先從ASCII說起，ASCII是用來表示英文字符的一種編碼規(guī)范。每個ASCII字符占用1個字節(jié)，因此，ASCII編碼可以表示的最大字符數(shù)是255（00H—FFH）。其實(shí)，英文字符并沒有那么多，一般只用前128個（00H—7FH，最高位為0），其中包括了控制字符、數(shù)字、大小寫字母和其它一些符號。而最高位為1的另128個字符（80H—FFH）被稱為“擴(kuò)展ASCII”，一般用來存放英文的制表符、部分音標(biāo)字符等等的一些其它符號。
這種字符編碼規(guī)則顯然用來處理英文沒有什么問題。但是面對中文、阿拉伯文等復(fù)雜的文字，255個字符顯然不夠用。
于是，各個國家紛紛制定了自己的文字編碼規(guī)范，其中中文的文字編碼規(guī)范叫做“GB2312—80”，它是和ASCII兼容的一種編碼規(guī)范，其實(shí)就是利用擴(kuò)展ASCII沒有真正標(biāo)準(zhǔn)化這一點(diǎn)，把一個中文字符用兩個擴(kuò)展ASCII字符來表示，以區(qū)分ASCII碼部分。
但是這個方法有問題，最大的問題就是中文的文字編碼和擴(kuò)展ASCII碼有重疊。而很多軟件利用擴(kuò)展ASCII碼的英文制表符來畫表格，這樣的軟件用到中文系統(tǒng)中，這些表格就會被誤認(rèn)作中文字符，出現(xiàn)亂碼。
另外，由于各國和各地區(qū)都有自己的文字編碼規(guī)則，它們互相沖突，這給各國和各地區(qū)交換信息帶來了很大的麻煩。
要真正解決這個問題，不能從擴(kuò)展ASCII的角度入手，而必須有一個全新的編碼系統(tǒng)，這個系統(tǒng)要可以將中文、法文、德文……等等所有的文字統(tǒng)一起來考慮，為每一個文字都分配一個單獨(dú)的編碼。
于是，Unicode誕生了。
Unicode也是一種字符編碼方法，它占用兩個字節(jié)（0000H—FFFFH）,容納65536個字符，這完全可以容納全世界所有語言文字的編碼。
在Unicode里，所有的字符被一視同仁，漢字不再使用“兩個擴(kuò)展ASCII”，而是使用“1個Unicode”，也就是說，所有的文字都按一個字符來處理，它們都有一個唯一的Unicode碼。
二、使用Unicode編碼的好處
使用Unicode編碼可以使您的工程同時支持多種語言，使您的工程國際化。
另外，Windows NT是使用Unicode進(jìn)行開發(fā)的，整個系統(tǒng)都是基于Unicode的。如果調(diào)用一個API函數(shù)并給它傳遞一個ANSI（ASCII字符集以及由此派生并兼容的字符集，如：GB2312，通常稱為ANSI字符集）字符串，那么系統(tǒng)首先要將字符串轉(zhuǎn)換成Unicode，然后將Unicode字符串傳遞給操作系統(tǒng)。如果希望函數(shù)返回ANSI字符串，系統(tǒng)就會首先將Unicode字符串轉(zhuǎn)換成ANSI字符串，然后將結(jié)果返回給您的應(yīng)用程序。進(jìn)行這些字符串的轉(zhuǎn)換需要占用系統(tǒng)的時間和內(nèi)存。如果用Unicode來開發(fā)應(yīng)用程序，就能夠使您的應(yīng)用程序更加有效地運(yùn)行。
下面例舉幾個字符的編碼以簡單演示ANSI和Unicode的區(qū)別：
| 字符 |
?A |
?N |
?和 |
| ANSI碼 |
?41H |
?4eH |
?cdbaH |
| Unicode碼 |
?0041H |
?004eH |
?548cH |
三、使用C++進(jìn)行Unicode編程
對寬字符的支持其實(shí)是ANSI C標(biāo)準(zhǔn)的一部分，用以支持多字節(jié)表示一個字符。寬字符和Unicode并不完全等同，Unicode只是寬字符的一種編碼方式。
1、寬字符的定義
在ANSI中，一個字符（char）的長度為一個字節(jié)（Byte）。使用Unicode時，一個字符占據(jù)一個字，C++在wchar.h頭文件中定義了最基本的寬字符類型wchar_t：
typedef unsigned short wchar_t;
從這里我們可以清楚地看到，所謂的寬字符就是無符號短整數(shù)。
2、常量寬字符串
對C++程序員而言，構(gòu)造字符串常量是一項(xiàng)經(jīng)常性的工作。那么，如何構(gòu)造寬字符字符串常量呢？很簡單，只要在字符串常量前加上一個大寫的L就可以了，比如：
wchar_t *str1=L" Hello";
這個L非常重要，只有帶上它，編譯器才知道你要將字符串存成一個字符一個字。還要注意，在L和字符串之間不能有空格。
3、寬字符串庫函數(shù)
為了操作寬字符串，C++專門定義了一套函數(shù)，比如求寬字符串長度的函數(shù)是
size_t __cdel wchlen(const wchar_t*);
為什么要專門定義這些函數(shù)呢？最根本的原因是，ANSI下的字符串都是以’\0’來標(biāo)識字符串尾的（Unicode字符串以“\0\0”結(jié)束），許多字符串函數(shù)的正確操作均是以此為基礎(chǔ)進(jìn)行。而我們知道，在寬字符的情況下，一個字符在內(nèi)存中要占據(jù)一個字的空間，這就會使操作ANSI字符的字符串函數(shù)無法正確操作。以”Hello”字符串為例，在寬字符下，它的五個字符是：
0x0048 0x0065 0x006c 0x006c 0x006f
在內(nèi)存中，實(shí)際的排列是：
48 00 65 00 6c 00 6c 00 6f 00
于是，ANSI字符串函數(shù)，如strlen，在碰到第一個48后的00時，就會認(rèn)為字符串到尾了，用strlen對寬字符串求長度的結(jié)果就永遠(yuǎn)會是1！
4、用宏實(shí)現(xiàn)對ANSI和Unicode通用的編程
可見，C++有一整套的數(shù)據(jù)類型和函數(shù)實(shí)現(xiàn)Unicode編程，也就是說，您完全可以使用C++實(shí)現(xiàn)Unicode編程。
如果我們想要我們的程序有兩個版本：ANSI版本和Unicode版本。當(dāng)然，編寫兩套代碼分別實(shí)現(xiàn)ANSI版本和Unicode版本完全是行得通的。但是，針對ANSI字符和Unicode字符維護(hù)兩套代碼是非常麻煩的事情。為了減輕編程的負(fù)擔(dān)，C++定義了一系列的宏，幫助您實(shí)現(xiàn)對ANSI和Unicode的通用編程。
C++宏實(shí)現(xiàn)ANSI和Unicode的通用編程的本質(zhì)是根據(jù)”_UNICODE”（注意，有下劃線）定義與否，這些宏展開為ANSI或Unicode字符（字符串）。
如下是tchar.h頭文件中部分代碼摘抄：
#ifdef _UNICODE
typedef wchar_t TCHAR;
#define __T(x) L##x
#define _T(x) __T(x)
#else
#define __T(x) x
typedef char TCHAR;
#endif
可見，這些宏根據(jù)”_UNICODE” 定義與否，分別展開為ANSI或Unicode字符。 tchar.h頭文件中定義的宏可以分為兩類：
A、實(shí)現(xiàn)字符和常量字符串定義的宏我們只列出兩個最常用的宏： | 宏 | 未定義_UNICODE(ANSI字符) | 定義了_UNICODE(Unicode字符) | | TCHAR | ?char | ?wchar_t | | _T(x) | ?x | ?L##x |
注意：
“##”是ANSI C標(biāo)準(zhǔn)的預(yù)處理語法，它叫做“粘貼符號”，表示將前面的L添加到宏參數(shù)上。也就是說，如果我們寫_T(“Hello”)，展開后即為L“Hello” B、實(shí)現(xiàn)字符串函數(shù)調(diào)用的宏 C++為字符串函數(shù)也定義了一系列宏，同樣，我們只例舉幾個常用的宏： | 宏 | 未定義_UNICODE(ANSI字符) | 定義了_UNICODE(Unicode字符) | | _tcschr | ?strchr | ?wcschr | | _tcscmp | ?strcmp | ?wcscmp | | _tcslen | ?strlen | ?wcslen |
四、使用Win32 API進(jìn)行Unicode編程
Win32 API中定義了一些自己的字符數(shù)據(jù)類型。這些數(shù)據(jù)類型的定義在winnt.h頭文件中。例如： typedef char CHAR;
typedef unsigned short WCHAR; // wc, 16-bit UNICODE character
typedef CONST CHAR *LPCSTR, *PCSTR;
Win32 API在winnt.h頭文件中定義了一些實(shí)現(xiàn)字符和常量字符串的宏進(jìn)行ANSI/Unicode通用編程。同樣，只例舉幾個最常用的： #ifdef UNICODE
typedef WCHAR TCHAR, *PTCHAR;
typedef LPWSTR LPTCH, PTCH;
typedef LPWSTR PTSTR, LPTSTR;
typedef LPCWSTR LPCTSTR;
#define __TEXT(quote) L##quote // r_winnt
#else /* UNICODE */ // r_winnt
typedef char TCHAR, *PTCHAR;
typedef LPSTR LPTCH, PTCH;
typedef LPSTR PTSTR, LPTSTR;
typedef LPCSTR LPCTSTR;
#define __TEXT(quote) quote // r_winnt
#endif /* UNICODE */ // r_winnt
從以上頭文件可以看出，winnt.h根據(jù)是否定義了UNICODE（沒有下劃線），進(jìn)行條件編譯。
Win32 API也定義了一套字符串函數(shù)，它們根據(jù)是否定義了“UNICODE”分別展開為ANSI和Unicode字符串函數(shù)。如：lstrlen。API的字符串操作函數(shù)和C++的操作函數(shù)可以實(shí)現(xiàn)相同的功能，所以，如果需要的話，建議您盡可能使用C++的字符串函數(shù)，沒必要去花太多精力再去學(xué)習(xí)API的這些東西。
也許您從來沒有注意到，Win32 API實(shí)際上有兩個版本。一個版本接受MBCS字符串，另一個接受Unicode字符串。例如：其實(shí)根本沒有SetWindowText()這個API函數(shù)，相反，有SetWindowTextA()和SetWindowTextW()。后綴A表明這是MBCS函數(shù)，后綴W表示這是Unicode版本的函數(shù)。這些API函數(shù)的頭文件在winuser.h中聲明，下面例舉winuser.h中的SetWindowText()函數(shù)的聲明部分： #ifdef UNICODE
#define SetWindowText SetWindowTextW
#else
#define SetWindowText SetWindowTextA
#endif // !UNICODE
可見，API函數(shù)根據(jù)定義UNICODE與否決定指向Unicode版本還是MBCS版本。
細(xì)心的讀者可能已經(jīng)注意到了UNICODE和_UNICODE的區(qū)別，前者沒有下劃線，專門用于Windows頭文件；后者有一個前綴下劃線，專門用于C運(yùn)行時頭文件。換句話說，也就是在ANSI C++語言里面根據(jù)_UNICODE（有下劃線）定義與否，各宏分別展開為Unicode或ANSI字符，在Windows里面根據(jù)UNICODE（無下劃線）定義與否，各宏分別展開為Unicode或ANSI字符。
在后面我們將會看到，實(shí)際使用中我們不加嚴(yán)格區(qū)分，同時定義_UNICODE和UNICODE，以實(shí)現(xiàn)UNICODE版本編程。
五、VC++6.0中編寫Unicode編碼的應(yīng)用程序 VC++ 6.0支持Unicode編程，但默認(rèn)的是ANSI，所以開發(fā)人員只需要稍微改變一下編寫代碼的習(xí)慣便可以輕松編寫支持UNICODE的應(yīng)用程序。
使用VC++ 6.0進(jìn)行Unicode編程主要做以下幾項(xiàng)工作： 1、為工程添加UNICODE和_UNICODE預(yù)處理選項(xiàng)。 具體步驟：打開[工程]->[設(shè)置…]對話框，如圖1所示，在C/C++標(biāo)簽對話框的“預(yù)處理程序定義”中去除_MBCS，加上_UNICODE,UNICODE。（注意中間用逗號隔開）改動后如圖2： 
圖一
圖二
在沒有定義UNICODE和_UNICODE時，所有函數(shù)和類型都默認(rèn)使用ANSI的版本；在定義了UNICODE和_UNICODE之后，所有的MFC類和Windows API都變成了寬字節(jié)版本了。
2、設(shè)置程序入口點(diǎn) 因?yàn)镸FC應(yīng)用程序有針對Unicode專用的程序入口點(diǎn)，我們要設(shè)置entry point。否則就會出現(xiàn)連接錯誤。
設(shè)置entry point的方法是：打開[工程]->[設(shè)置…]對話框，在Link頁的Output類別的Entry Point里填上wWinMainCRTStartup。 
圖三
3、使用ANSI/Unicode通用數(shù)據(jù)類型
微軟提供了一些ANSI和Unicode兼容的通用數(shù)據(jù)類型，我們最常用的數(shù)據(jù)類型有_T ，TCHAR，LPTSTR,LPCTSTR。
順便說一下，LPCTSTR和const TCHAR*是完全等同的。其中L表示long指針，這是為了兼容Windows 3.1等16位操作系統(tǒng)遺留下來的，在Win32 中以及其它的32位操作系統(tǒng)中，long指針和near指針及far修飾符都是為了兼容的作用，沒有實(shí)際意義。P（pointer）表示這是一個指針；C（const）表示是一個常量；T(_T宏)表示兼容ANSI和Unicode，STR（string）表示這個變量是一個字符串。綜上可以看出，LPCTSTR表示一個指向常固定地址的可以根據(jù)一些宏定義改變語義的字符串。比如： TCHAR* szText=_T(“Hello!”);
TCHAR szText[]=_T(“I Love You”);
LPCTSTR lpszText=_T(“大家好！”);
使用函數(shù)中的參數(shù)最好也要有變化，比如：MessageBox(_T(“你好”)); 其實(shí)，在上面的語句中，即使您不加_T宏，MessageBox函數(shù)也會自動把“你好”字符串進(jìn)行強(qiáng)制轉(zhuǎn)換。但我還是推薦您使用_T宏，以表示您有Unicode編碼意識。 4、修改字符串運(yùn)算問題 一些字符串操作函數(shù)需要獲取字符串的字符數(shù)(sizeof(szBuffer)/sizeof(TCHAR))，而另一些函數(shù)可能需要獲取字符串的字節(jié)數(shù)sizeof(szBuffer)。您應(yīng)該注意該問題并仔細(xì)分析字符串操作函數(shù)，以確定能夠得到正確的結(jié)果。
ANSI操作函數(shù)以str開頭，如strcpy()，strcat()，strlen()；
Unicode操作函數(shù)以wcs開頭，如wcscpy，wcscpy()，wcslen()；
ANSI/Unicode操作函數(shù)以_tcs開頭 _tcscpy(C運(yùn)行期庫)；
ANSI/Unicode操作函數(shù)以lstr開頭 lstrcpy(Windows函數(shù))；
考慮ANSI和Unicode的兼容，我們需要使用以_tcs開頭或lstr開頭的通用字符串操作函數(shù)。 六、舉個Unicode編程的例子 第一步：
打開VC++6.0，新建基于對話框的工程Unicode，主對話框IDD_UNICODE_DIALOG中加入一個按鈕控件，雙擊該控件并添加該控件的響應(yīng)函數(shù)： void CUnicodeDlg::OnButton1()
{
TCHAR* str1=_T("ANSI和UNICODE編碼試驗(yàn)");
m_disp=str1;
UpdateData(FALSE);
}
添加靜態(tài)文本框IDC_DISP，使用ClassWizard給該控件添加CString類型變量m_disp。使用默認(rèn)ANSI編碼環(huán)境編譯該工程，生成Unicode.exe。
第二步：
打開“控制面板”，單擊“日期、時間、語言和區(qū)域設(shè)置”選項(xiàng)，在“日期、時間、語言和區(qū)域設(shè)置”窗口中繼續(xù)單擊“區(qū)域和語言選項(xiàng)”選項(xiàng)，彈出“區(qū)域和語言選項(xiàng)”對話框。在該對話框中，單擊“高級”標(biāo)簽，將“非Unicode的程序的語言”選項(xiàng)改為“日語”，單擊“應(yīng)用”按鈕，如圖四： 
圖四
彈出的對話框單擊“是”，重新啟動計(jì)算機(jī)使設(shè)置生效。
運(yùn)行Unicode.exe程序并單擊“Button1”按鈕，看，靜態(tài)文本框出現(xiàn)了亂碼。 第三步：
改為Unicode編碼環(huán)境編譯該工程，生成Unicode.exe。再次運(yùn)行Unicode.exe程序并單擊“Button1”按鈕。看到Unicode編碼的優(yōu)勢了吧。 就說這些吧，祝您好運(yùn)。
|