Unicode与C程序——《windows程序设计》

Unicode

    Unicode是统一的16位系统，这样就允许表示65536个字符。这就足够表示所有字符。

Unicode实用“宽字符集”。Unicode中的每个字符都是16位宽而不是8位宽。在Unicode中，没有单单使用8位数值得意义存在。（注意，双字节字符集不同于Unicode）

Unicode的前128个字符（16位代码从0x0000到0x007F）就是ASCII字符，接下来的是各种扩展的字符。

宽字符

    多个字节代表一个字符的字符集。

    多字节字符集主要影响C语言程序执行时期链接库函数。而且可能会引起一些编译问题。

    Unicode是宽字符集的一种。

Char数据类型

    定义并初始化了一个只包含一个字符的变量：

char          c = “A”;  

    变量c需要1个字节来保存，并将用十六进制数0x41初始化，这是字母A的ASCII码。

    可以像这样定义一个指向字符串的指针：

         char    *p;

    因为windows是一个32位操作系统，所以指针变量p需要用4个字节保存。

    还可初始化一个指向字符串的指针：

         char    *p = “Hello!”;

    变量p也需要用4个字节保存。该字符串保存在静态内存中并占用7个字节。

    还可以像这样定义字符数组：

         char          a[10];

    该数组占据10字节的空间。

宽字符

    Unicode或者宽字符都没有改变char数据类型在C中的含义。Char继续表示1个字节的存储空间，sizeof(char)继续返回1。理论上，C中1个字节可以比8位长，但通常认为8位。

    C中的宽字符基于wchar_t数据类型，它在几个表头文件包括WCHAR.H中都有定义，如下：

typedef unsigned short wchar_t ;

    因此，wchar_t数据型态与无符号短整数型态相同，都是16位宽。

    要定义包含一个宽字符的变量，可使用下面的语句：

    wchar_t   c = 'A' ;

    变量c是一个双字节值0x0041，是Unicode表示的字母A。（在Intel微处理器中，该字节实际上是以0x41、0x00的顺序保存在内存中。）

    您还可定义指向宽字符串的指针：

wchar_t           * p = L"Hello!" ;

    指针变量p要占用4个字节，而字符串变量需要14个字节。（注意紧接在第一个引号前面的大写字母L（代表「long」）。这将告诉编译器该字符串按宽字符保存－即每个字符占用2个字节。）

    可以用下面的语句定义宽字符数组：

static wchar_t         a[] = L"Hello!" ;

    该字符串也需要14个字节的储存空间，sizeof (a) 将返回14。索引数组a可得到单独的字符。a[1] 的值是宽字符「e」，或者0x0065。

    虽然看上去更像一个印刷符号，但第一个引号前面的L非常重要，并且在两个符号之间必须没有空格。只有带有L，编译器才知道您需要将字符串存为每个字符2字节。

宽字符链接库函数

例如，定义一个字符串指针：

char * pc = "Hello!" ;

调用strlen得到字符串的长度（strlen( )是一个库函数）：

iLength = strlen (pc) ;

结果：iLength 为6。

现在定义一个指向宽字符的指针：

wchar_t * pw = L"Hello!" ;

同样调用strlen ：

iLength = strlen (pw) ;

现在麻烦来了。首先，C编译器会显示一条警告消息，可能是这样的内容：

'function' : incompatible types - from 'unsigned short *' to 'const char *'

这条消息的意思是：声明strlen函数时，该函数应接收char类型的指标，但它现在却接收了一个unsigned short类型的指标。您仍然可编译并执行该程序，但您会发现iLength等于1。为什么？

字符串「Hello!」中的6个字符占用16位：

0x0048 0x0065 0x006C 0x006C 0x006F 0x0021

Intel处理器在内存中将其存为：

48 00 65 00 6C 00 6C 00 6F 00 21 00

假定strlen函数正试图得到一个字符串的长度，并把第1个字节作为字符开始计数，但接着假定如果下一个字节是0，则表示字符串结束。

这个小练习清楚地说明了C语言本身和执行时期链接库函数之间的区别。编译器将字符串L"Hello!" 解释为一组16位短整数型态数据，并将其保存在wchar_t数组中。编译器还处理数组索引和sizeof操作符，因此这些都能正常工作，但在连结时才添加执行时期链接库函数，例如strlen。这些函数认为字符串由单字节字符组成。遇到宽字符串时，函数就不像我们所希望那样执行了。

为了处理宽字符，重写了一些字符串处理函数：

strlen函数的宽字符版是wcslen（wide-character string length：宽字符串长度），并且在STRING.H（其中也说明了strlen）和WCHAR.H中均有说明。strlen函数说明如下：

size_t __cdecl        strlen (const char *) ;       

而wcslen函数则说明如下：

size_t __cdecl         wcslen (const wchar_t *) ;       

这时我们知道，要得到宽字符串的长度可以调用：

iLength = wcslen (pw) ;

函数将返回字符串中的字符数6。请记住，改成宽字节后，字符串的字符长度不改变，只是位组长度改变了。

您熟悉的所有带有字符串参数的C执行时期链接库函数都有宽字符版。例如，wprintf是printf的宽字符版。这些函数在WCHAR.H和含有标准函数说明的表头文件中说明。

为了兼容Unicode和单字节字符，在TCHAR.H表头文件中定义了一系列的宏定义，以方便程序编写。

例如，有这样的定义：

#define     __T(x)       L##x  //##（粘贴符号），将字符L添加到宏参数上。

#define     _TEXT(X)           __T(x)

在程序中，如果使用了_TEXT(“Hello!”)，如果定义了_UNICODE，那么该串解释为宽字符的组合（L”Hello!”），否则解释为8位字符的字符串。

Windows表头文件类型

一个Windows程序包括表头文件WINDOWS.H。该文件包括许多其它表头文件，包括WINDEF.H，该文件中有许多在Windows中使用的基本型态定义，而且它本身也包括WINNT.H。WINNT.H处理基本的Unicode支持。并且，无论何时在程序中使用其它表头文件时，都应在所有其它表头文件之前包含WINDOWS.H。

这些定义可使您在同一程序中混合使用ASCII和Unicode字符串，或者编写一个可被ASCII或Unicode编译的程序。如果您希望明确定义8位字符变量和字符串，请使用CHAR、PCHAR（或者其它），以及带引号的字符串。为明确地使用16位字符变量和字符串，请使用WCHAR、PWCHAR，并将L添加到引号前面。对于是8位还是16位取决于UNICODE标识符的定义的变量或字符串，要使用TCHAR、PTCHAR和TEXT宏。

（ #define TEXT(quote) __TEXT(quote) ）

Windows函数调用

32位的Windows（即所有版本的Windows NT，以及Windows 95和Windows 98）除了含有与16位兼容的USER.EXE以外，还含有一个称为USER32.DLL的动态链接库，该动态链接库含有32位使用者接口函数的进入点，包括32位的MessageBox。

这就是Windows支持Unicode的关键：在USER32.DLL中，没有32位MessageBox函数的进入点。实际上，有两个进入点，一个名为MessageBoxA（ASCII版），另一个名为MessageBoxW（宽字符版）。用字符串作参数的每个Win32函数都在操作系统中有两个进入点！

执行该程序时，Windows将程序中不同的函数呼叫与不同的Windows动态链接库的进入点连结。这样，如果定义了UNICODE标识符，那么程序中所有的MessageBox函数呼叫实际上就是MessageBoxW函数；否则，就是MessageBoxA函数。如果需要同时使用并分别匹配ASCII和宽字符函数呼叫，那么您可在Windows程序中明确地使用MessageBoxA和MessageBoxW函数。

Windows的字符串函数

下面是Windows定义的一组字符串函数，这些函数用来计算字符串长度、复制字符串、连接字符串和比较字符串：

ILength = lstrlen (pString) ;

pString = lstrcpy (pString1, pString2) ;

pString = lstrcpyn (pString1, pString2, iCount) ;

pString = lstrcat (pString1, pString2) ;

iComp = lstrcmp (pString1, pString2) ;

iComp = lstrcmpi (pString1, pString2) ;

这些函数与C链接库中对应的函数功能相同。如果定义了UNICODE标识符，那么这些函数将接受宽字符串，否则只接受常规字符串。

在Windows中使用printf

随着宽字符的发表，sprintf类型的函数增加许多，使得函数名称变得极为混乱。下表列出了Microsoft的C执行时期链接库和Windows支持的所有sprintf函数。

 

	ASCII	宽字符	常规
参数的变数个数
标准版	sprintf	swprintf	_stprintf
最大长度版	_snprintf	_snwprintf	_sntprintf
Windows版	wsprintfA	wsprintfW	wsprintf
参数数组的指针
标准版	vsprintf	vswprintf	_vstprintf
最大长度版	_vsnprintf	_vsnwprintf	_vsntprintf
Windows版	wvsprintfA	wvsprintfW	wvsprintf

 

在宽字符版的sprintf函数中，将字符串缓冲区定义为宽字符串。在宽字符版的所有这些函数中，格式字符串必须是宽字符串。不过，您必须确保传递给这些函数的其它字符串也必须由宽字符组成。

示例：

展示了如何实作MessageBoxPrintf函数

/*******************************************************************

SCRNSIZE.C: Displays screen size in a message box

*******************************************************************/

 

#include

#include

#include

int CDECL MessageBoxPrintf(TCHAR *szCaption, TCHAR *szFormat, ...)

{

     TCHAR    szBuffer[1024];

     va_list  pArgList;

     va_start(pArgList, szFormat);

    _vsntprintf(szBuffer, sizeof(szBuffer)/sizeof(TCHAR), szFormat, pArgList);

     va_end(pArgList);

     return MessageBox(NULL, szBuffer, szCaption, 0);

}

int WINAPI WinMain(HINSTANCE hinstance, HINSTANCE hPrevinstance, PSTR szCmdLine, int iCmdShow)

{

     int cxScreen, cyScreen;

     cxScreen = GetSystemMetrics(SM_CXSCREEN);

     cyScreen = GetSystemMetrics(SM_CYSCREEN);

     MessageBoxPrintf(TEXT("ScmSize"), TEXT("The screen is %i pixels wide by %i pixels high."), cxScreen, cyScreen);

     return 0;

}

以上来自于《windows程序设计》第二章“Unicode简介”。