在编程中使用Unicode字符串

Unicode说得简单点，看看C#和JAVA，所有的字符不管汉字还是英文，计算length的时候都是1。

这有个好处，就是跟人处理起来是一样的思路，而不是非得用机器的思维来考虑怎么处理字符串的问题。而使用ANSI字符串，英文字符是一个char，中文字符两个char，最头痛的是你还得自己根据char的取值范围来判断一下这是一个英文还是中文中的一部分，再来做决定如果取一单位的substring的话，应该怎么搞。

另外一个好处就是C/C++写出来的东西可以与COM和.NET程序可以很好的互通，因为他们都使用Unicode，如果自己也用，大家在交互字符串的时候会非常方便。

那UTF-8的时候，中文是三字节，这个是怎么回事呢。这个其实不属于Unicode与ANSI的区别了，这个是不同字符集的问题。Unicode默认是UTF-16，也就是绝大部分字符全使用固定的2字节表示。UTF-8是可变的，有的1字节，有的3字节。这个具体是怎么搞，我也还是不太清楚，也许以后用到的时候需要再进一步找些资料学习。

Windows程序中很多函数都有A和W两种结尾，A表示他需要的参数是ANSI字符串的指针，而W是宽字符也就是Unicode字符串的形式。Windows核心编程上还有例子，自己lib中的函数如何实现两种字符串的版本，思路就是只实现一个Unicode的版本，然后ANSI的调用其实是先把参数中的ANSI字符串转换成Unicode的形式，然后用Unicode版本的函数处理，返回结果后再又转换回ANSI再return。

Tags:

On C/C++ @ 2009-09-16 18:54:06 | By yhustc