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