欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

MBCS(Multi-Byte Chactacter System,即多字节字符系统)

程序员文章站 2022-06-02 09:54:23
...
MBCS(Multi-Byte Chactacter System,即多字节字符系统)
它是编码的一种类型,而不是某个特定编码的名称。

    字符基础:ASCII,DBCS,Unicode
 所有的string类都是以C-style字符串为基础的。C-style字符串是字符数组。字符类型有三种编码格式:
 
 第一种是单字节字符集(single byte character set or SBCS)。在这种编码格式下,所有字符都只用
 一个字节表示,ASCII码就是单字节字符。用"0"来表示一个字节的结束。
 
 第二种编码格式是多字节字符集(multi-byte character set or MBCS)。在Windows里的MBCS包含两种
 字符类型:单字节字符(single byte characters)和双字节字符(double byte characters)。由于Windows
 里使用的多字节字符绝大部分是两个字节长,MBCS常被DBCS代替。
    第三种编码格式是Unicode。Unicode是一种所有的字符都使用两个字节编码的编码模式。Unicode字符有时
 也被称作宽字符。
 Unicode与MBCS的区别是:MBCS字符可以使用不同长度的字节编码。
 单字节字符包含拉丁文字母表及ASCII码和DOS操作系统定义的图形字符。双字节字符被用来表示东亚及中东的
 语言。Unicode被用来COM及Windows NT操作系统内部。
 char是单字节字符。双字节字符也可以用char类型来进行操作。Unicode字符用wchar_t来表示。Unicode字符
 和字符串常量用前缀L来表示。例如:
 wchar_t wch = L"1";
 wchar_t* wsz = L"Hello";
 单字节字符串在内存中:每个字符占一个字节按顺序依次存储。最后以单字节表示的0结束。例如:"Bob"在内存
 中的存储形式:
 |-------------------------------|
    |42    |   6F   |   62   | 00   |
    |-------------------------------|
    |B     |   o    |   b    | BOS  |
 |-------------------------------|
 Unicode的存储形式:
    --------------------------------------------
 |   42 00 |   6F 00  |   62 00  |   00 00  |
    |------------------------------------------|
 |   B     |    o     |   b      |   BOS    |
 |------------------------------------------|
 Win32 API中的MBCS和Unicode
 尽管你也许从来没有注意过,Win32中的每个与字符串相关的API和message都有两个版本。一个版本按受MBCS字符串,
 另一个接受Unicode字符串。例如:根本没有SetWindowText()这个API,相反有SetWindowTextA()和SetWindowTextW()。
 后缀A表明这是MBCS函数,后缀W表示这是Unicode版本的函数。
 当你build一个Windows程序,你可以选择是用MBCS或者Unicode API,如果你用vc向导并且没有改过预处理的设置。那
 表明你用的是MBCS版本。
 当使用MBCS API来build程序时,UNICODE没有被定义,所以预处理器看到:
 #define SetWindowText SetWindowTextA
 这个宏把所有对SetWindowText的调用都转换成真正的API函数SetWindowTextA.如果你想把默认使用的API函数变成Unicode
 版的,你可以在预处理器设置中,把_MBCS从预定义的宏列表中删除。然后添加UNICODE和_UNICODE(需要两个都定义,因为不
 同的头文件可能使用不同的宏。)
 使用TCHAR类型
 TCHAR是一种字符串类型,它让你在以MBCS和UNICODE来build程序时可以使用同样的代码;不需要使用繁琐的宏定义来包含你的
 代码。TCHAR的定义如下:
 #ifdef UNICODE
 typedef wchar_t TCHAR;
 #else
 typedef char TCHAR;
 #endif
 还有一个宏来处理定义Unicode字符串常量时所需的L前缀。
 #ifdef UNICODE
 #define _T(x) L##X
 #else
 #define _T(x)x
 #endif
 ##是一个预处理操作符,它可以把两个参数连在一起。如果你的代码中需要字符串常量,在它前面加上_T宏,
 如果你使用Unicode来build,它会在字符串常量前加上L前缀。
 Windows API是用TCHAR来定义的,在编译时,它可以根据你是否定义_MBCS或_UNICODE被编译成MBCS或者Unicode
 字符。
 类型             含义
 WCHAR            Unicode character(wchar_t)
 TCHAR            MBCS or Unicode character.
 LPSTR            string of char (char*)
 LPCSTR           const string of char(const char*)
 LPWSTR           string of WCHAR(WCHAR*)
 LPCWSTR          constant string of WCHAR(const WCHAR*)
 LPTSTR           string of TCHAR(TCHAR*)
 LPCTSTR          constant string of TCHAR(const TCHAR*)

 杂谈:
 计算机发明后,为了在计算机中表示字符,人们制定了一种编码,叫做ASCII码,ASCII码由一个字节中的7位(bit)表示,范围是0x00-0x7F共128个字符。用这128个数字
 表示abcd...ABCD...1234....这些字符。后来又扩展了ASCII码的定义,使用一个字节的全部8位(bit)来表示字符了。这就叫扩展 ASCII码。范围是0x00-0xFF共256个
 字符。
 后来,中国人利用连续2个扩展ASCII码的扩展区域(0xA0以后)来表示一个汉字,该方法的标准叫GB-2312。后来,日文、韩文、阿拉伯文、*繁体都使用类似的方法扩展
 了本地字符集的定义,现在统一称为MBCS字符集(多字节字符集)。这种方法是有缺陷的,因为各个国家的定义的字符集有交集,因此使用GB2312的软件,就不能在
 BIG-5的环境下运行(显示乱码)。
 为了把全世界的所有的文字符号都统一进行编码,于是制定了UNICODE标准字符集。UNICODE使用2个字节表示一个字符。这下终于好啦,全世界任何一个地区的软件,可以
 不用修改就能在另一个地区运行了。UNICODE的范围是0x0000-0xFFFF共6万多个字符。
 在程序中使用各种字符集的方法:
 const char* p = "Hello"; //使用ASCII码
 const char* p = "你好"; //使用MBCS字符集,由于MBCS完全兼容ASCII码,多数情况,我们并不严格区分他们。
    LPCSTR p = "Hello,你好"; //意义同上。
 const WCHAR *p = L"Hello,你好";使用UNICODE字符集。
 //如果预定义了_UNICODE,则表示使用UNICODE字符集,如果定义了_MBCS,则表示使用MBCS
 const TCHAR *p = _T("Hello 您好");
 LPCTSTR p = _T("Hello,你好");//意义同上。
相关标签: vs