ansi unicode,ansi编码转换unicode

　　最近在学习中总会遇到CString字符串转换成char*的问题。在这里，我将总结一下unicode项目下的字符串处理问题。

　　简述Ansi和Unicode及其各自的优缺点：

　　它们是两个字符的编码格式，Ansi=窄字节，Unicode=宽字节。Ansi用char格式表示一个字符，占用一个字节的存储空间，最多表示255个字符，表示英文还可以，但对于中文、日文、韩文等语言就不够用了。所以，如果你的程序是Ansi编码的，那么用中文写的程序在日文、韩文等系统上会出现乱码。所以用Unicode，用两个字节来表示一个字符，格式是无符号short，定义为wchar_t格式，这样就可以表示世界上大部分语言了！但是有利也有弊。劣势呢？也就是空间占用增加了一倍，网络传输的数据量也增加了(一倍)。

　　摘要：Windows 2000及以后的Xp、2003、Vista、Win7等系统都是使用Unicode从零开始开发的。如果调用任何Windows API函数并向其传递ANSI字符串，则系统将首先将该字符串转换为Unicode，然后将该Unicode字符串传递给操作系统。如果您希望函数返回ANSI字符串，系统将首先将Unicode字符串转换为ANSI字符串，然后将结果返回给您的应用程序。转换这些字符串需要时间和系统内存。Unicode通常用于避免系统转换所消耗的资源。

　　不同编码格式下的字符串处理和相互转换：

　　人们编程时经常遇到的数据类型：(以下对应的都是一样的)

　　 Ansi:

　　char、char *、const char *

　　CHAR 、( PCHAR、PSTR、LPSTR)、LPCSTR

　　 Unicode:

　　wchar_t、wchar_t *、const wchar_t *

　　WCHAR 、( PWCHAR、PWSTR、LPWSTR)、LPCWSTR

　　 T通用型：

　　TCHAR 、( TCHAR *、PTCHAR、PTSTR、LPTSTR)、LPCTSTR

　　上图，其中：P代表指针，STR代表字符串，L代表长指针，在WIN32平台下可以忽略，C代表const常量，W代表wide wide byte，T代表template，表示通用。使用时，系统会根据当前工程性质进行转换。比如在unicode下，TCHAR实际上是wCHAR_t，否则就定义为char。

　　字符串类型对象的定义：

　　Ansi:char * pan istr= hello ；

　　Unicode:wchar _ t * pUnicodeStr= hello ；

　　通用型：TCHAR * pTStr=_ T( hello )；或者TCHAR * pTStr=_ TEXT( hello )；(_T，_TEXT也是这个意思)

　　动态应用内存：TCHAR *pszBuf=新TCHAR[100]；

　　常用的字符串处理函数，详见MSDN:

　　字符串长度：

　　Ansi:strlen(char * str)；

　　Unicode:wcs len(wchar _ t * str)；

　　通用函数：_ TCS len(TCHAR * str)；

　　Ansi:int atoi(const char * str)；

　　Unicode:int _ wtoi(const wchar _ t * str)；

　　通用函数：_tstoi(常量TCHAR * str)；

　　字符串副本：

　　Ansi:strcpy(char * strDestination，const char * strSource)；

　　Unicode:wcs cpy(wchar _ t * strDestination，const wchar _ t * strSource)；

　　通用函数：_ tcscpy (tchar * strdestination，consttchar * strsource)；

　　以上函数不安全，在vs2003及以上版本的编译器中会有警告提示。以下是安全函数(vc 6.0不支持):

　　Ansi:strcpy _ s(char * strDestination，size_t numberOfElements，const char * strSource)；

　　Unicode:wcs cpy _ s(wchar _ t * strDestination，size_t numberOfElements，const wchar _ t * strSource)；

　　通用函数：_ tcscpy _ s (tchar * strdestination，size _ t元素个数，consttchar * strsource)；

　　元素数量

　　目标字符串缓冲区的大小。目标缓冲区的大小，单位是字节，不是字符！

　　Size_t无符号整数，MSDN解释：sizeof运算符的结果，也就是说size _ t是无符号整数，即无符号整数。那为什么会有size_t这种类型？

　　因为int/long等不同类型的操作系统(32/64)占用的字节数是不一样的，而size_t在不同的平台有不同的定义。有点像TCHAR类型：

　　#ifndef _SIZE_T_DEFINED

　　#ifdef _WIN64

　　typedef unsigned _ _ int 64 size _ t；//8个字节，64位

　　#否则

　　typedef _W64无符号int size _ t；//4个字节，32位

　　#endif

　　#定义大小T定义

　　#endif

　　ANSI和Unicode字符串类型之间的转换：

　　上面说的窄字节都是窄字节，宽字节都是宽字节，下面是它们之间的转换。

　　在程序中，仍然不建议您来回转换字符串编码，使用Ansi或Unicode。

　　但有些API函数往往只提供窄字节版本(如GetProcAddress，见MSDN)或宽字节版本(如CommandLineToArgvW，见MSDN)。

　　这时候就需要转换字符串编码格式了。

　　不过要提醒一下，并不是所有的都需要转换，有些是不需要的，比如socket中的send或者recv函数。

　　=================================================

　　字符串占用的字节数：

　　 Ansi:

　　char sztr[]= ABC ；

　　占用字节数：sizeof(sztr)；

　　char * psz= defgh

　　求占用字节数：strlen(PSZ)* sizeof(char)；

　　 Unicode:

　　wchar _ t szwStr[]=L ABC ；

　　占用字节数的计算：sizeof(szwStr)；

　　wchar _ t * pwsz=L defgh

　　占用字节数：wcs len(pwsz)* sizeof(wchar _ t)；

　　一般功能：

　　TCHAR sztr[]=_ T( ABC )；

　　占用字节数：sizeof(sztr)；

　　TCHAR * PSZ=_ T( defgh )；

　　求占用字节数：_ TCS len(PSZ)* sizeof(TCHAR)；

　　=======================================================

　　转换中使用的最基本的API函数：

　　WideCharToMultiByte实现宽字节到窄字节的转换。

　　MultiByteToWideChar将窄字节转换为宽字节。

　　T2W、W2A、T2A和T2W宏的使用和注意事项：

　　实际上，这些宏基本上都使用了上述两个函数。

　　[1]，这些函数都在堆栈中分配空间。例如：A2W(abc )，将在堆栈中分配一块内存来存储 abc

　　[2]在使用上述宏之前，使用USES_CONVERSION宏。

　　*unicode下CString和char*之间的转换；

　　将CString转换为char*:使用wcstombs()函数

　　示例：

　　CString字符串；

　　Str=你好，你好；

　　char ch[50]；

　　wcstombs(ch，str，siez of(ch))；

　　这种转换会产生问题，因为str有汉字。如果在setlocale(LC_ALL，)包含中文字符之前使用了它，则应该包含头文件locale.h来设置默认语言。

　　Char*到CString:使用A2T()函数：

　　示例：

　　USES _ CONVERSION

　　char ch[5]= what ；

　　CString字符串；

　　str=A2T(ch)；

　　更常用的调用方式可以百度知道。