Unicode 和 通用字符

张无忌

Windows 支持标准的 8 位字符 (char 或 CHAR 类型) 以及 16 位字符 (WCHAR, 它被定义为 C 中的 wchar_c 类型)。

WCHAR 是 16 位的 Unicode 字符。它定义在 WinNT.h 中：

[C++] 纯文本查看 复制代码

typedef wchar_t WCHAR;    // wc,   16-bit UNICODE character

而上面的 wchar_t 类型定义在 crtdefs.h 中，它通过 WinNT.h 包含 ctype.h 然后再包含的 crtdefs.h 中找到，定义如下：

[C++] 纯文本查看 复制代码

#ifndef _WCHAR_T_DEFINED
typedef unsigned short wchar_t;
#define _WCHAR_T_DEFINED
#endif

因此 wchar_t 在 Windows 里是 16 位，这也可以通过打印 sizeof(wchar_t) 来查看。但在 GNU 中，这个类型是 32 位的，使用该类型时需要包含 stddef.h 头文件。

Windows 提供的宽字符支持使用 Unicode UTF-16 编码，它可以表示所有主要语言符号问字母，包括英语，法语，德语，汉语及日语等。

如果希望编写的 Windows 应用程序能够支持使用 Unicode 也能够支持使用 8 位 ASCII 字符，一般步骤如下：

1) 使用通用类型 TCHAR，LPTSTR 和 LPCTSTR 来定义所有的字符和字符串。

2) 如果要使用 Unicode 宽字符 (ANSI C 中的 wchar_t)，那么需要在所有原模块中加入：

[C++] 纯文本查看 复制代码

#define UNICODE
#define _UNICODE

定义。否则，TCHAR 就等同于 CHAR (也就是使用 8 位 ASCII，即 ANSI C 中的 char 类型)。上面定义必须在 #include <windows.h> 语句之前给出，它们往往会在编译时在命令行里给出，或者就写在用 Visual Studio 里新建项目时所包含的 stdafx.h 头文件里。


所以，在步骤 1) 中的 TCHAR 在 UNICODE 定义的情况下就是一个 WCHAR 类型，否则就是 CHAR 。TCHAR 定义在 WinNT.h 中，如下所示：

[C++] 纯文本查看 复制代码

#ifdef UNICODE
 typedef WCHAR TCHAR;
#else
 typedef char TCHAR;
#endif

3) 缓存长度字节数。
比如在函数 ReadFile() 函数中的第 2 个参数是一个缓存指针，这个指针指向一个缓存区域，而这片区域的长度可以通过 sizeof(TCHAR) 来计算。

4) 使用 tchar.h 中的通用 C 库字符串和字符 I/O 函数集。比如在 tchar.h 中，会使用 _sprintf 来替代 sprintf，_tcscpy 来替代 strcpy 等等。

5) 字符串常量使用下面 3 种形式的一种来定义(这些约定也可以用于单个字符上)：

[C++] 纯文本查看 复制代码

 "hello world"          //这个字符串使用的是 8 位字符
 L "hello world"      //在字符串前面加个 'L' 表示这个字符串使用 16 位字符
 _T "hello world"     //这个字符串使用通用文本字符

上面 3 种形式中，前面 2 种是 ANSI C 的，第 3 种使用 _T 宏 (等同于 TEXT 和 _TEXT) 由 Microsoft C 编译器提供。

6) 在包含了 windows.h 之后，再将 tchar.h 包含进来，可以获得所需的文本宏和通用的 C 库函数的定义。

总之，Windows 全面使用 Unicode 16 位字符，NTFS 文件名和路径名在内部都以 Unicode 来表示。如果定义了 UNICODE 宏，那么调用 Windows 函数就需要宽字符字符串，否则要把 8 位字符串转换为宽字符串。有些 Windows API 只支持 Unicode 。