【第二章 Unicode】

佛曰:众生皆平等。但是人却可以利用较高等的智慧站在了众多生物的至高点。吃早饭的时候我看着被做成菜的那条鱼,想到它也是生命。所以说到底,还是有些等级之分。学习WIN32过程中让我知道了Unicode的存在。Unicode最终会取代ASCII码成为标准。但是之前还有很长一段路要走。虽然Unicode的优势很明显,但是因为历史遗留问题,ASCII会存在很长一段时间。

学习C语言的时候您应该接触过ASCII码。学习本章的内容需要ASCII知识。

学习Unicode有必要了解字符集的历史。从最早的象形字开始,我们使用字符文字已经有近6000年了。19世纪的几个发明家发明了电报,当时在电报中使用的代码是Morse代码。字母表中的每个字符对应于一系列短和长的脉冲。

计算机是处理的数据其实是一系列1和0。每一段数字都代表一种字符。这就是ASCII码。7位数的ASCII码对于美国的字符集支持得很好。不幸的是地球上有一百多个国家和地区,2000多个民族。对于美国以外的用户来讲在计算机中显示自己国家的文字困难重重。

尤其是中国,日本,朝鲜更是如此。以中国为例,有数也数不清的汉字。办法总是有的。人们引入了"代码页"和"双字节字符集"的概念。这种编码方式非常庞大和复杂,不利于维护。这个时候Unicode应运而生了。

Unicode的解决方案非常简单。既然不能用7位或者8位数值表示,那么我们应该试一下更宽的值。例如16位,这样就允许表示65536个字符。Unicode和ASCII是兼容的。也就是说,前128个字符的数值是相同的。

Unicode的最大好处是只有一个字符集。当然Unicode也有缺点,Unicode占用的内存是ASCII码的两倍。而且人们还不太习惯Unicode。

对于程序员来讲,8位的ASCII码和16位的Unicode是我们必须面对的问题。为了解决宽字符(16位)问题,Windows在头文件中定义了"新"数据类型。

typedef unsigned short wchar_t;

可以看出wchar_t其实是16位的无符号短整型数。Windows用这种方法存贮16位字符。

wchar_t *p = L"Hello!";

在"Hello!"前有一个大写字母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个字符。存贮该字符串需要14个字节。字符串末尾还有一个/0也需要2个字节。

我们都知道如何获得字符串的长度。

int iLength;
char *pc = "Hello!";
iLength = strlen(pc);

函数strlen()返回字符串的长度,长度将不包括末尾的/0。变量iLength将等于6,也就是字符串中的字符数。

接下来我们试着用strlen()检查宽字符的字符串。

wchar_t *pw = L"Hello!";
iLength = strlen(pw);

strlen()的参数应该是char类型的指针,但是现在却接受了一个unsigned short类型的指针。编译后您会发现iLength等于1。

why?字符串"Hello!"中的6个字符宽字符代码如下:

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

strlen()的工作过程是遇到0就结束。因为0表示一个字符串的结束。当读完"48"后strlen()遇到的是0,所以strlen()返回1。

由上例可以看出C语言的函数无法正确处理宽字符。在参数中有字符串的函数全部需要重写。strlen()的宽字符版本是wcslen(),并且在STRING.H中和WCHAR.H中均有声明.

现在我们知道,要得到宽字符串的长度,可以调用

iLength = wcslen(pw);

该函数返回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变,只是字节长度改变了。千万不要混淆。

因为Unicode占用两倍的存储空间,所以宽字节运行库中的函数比常规的函数大。所以最好是建立两个版本的程序,一个处理ASCII字符串,另一个处理Unicode字符串。但是这样以来又引来了另一个小问题。因为每一个实现特定功能的函数都有两个版本,所以名字不好记。不管是ASCII版本还是Unicode版本,都用相同的名字该多好啊?幸好这个问题已经得到了解决。

解决办法是使用Visual C++包含的TCHAR.H头文件。该头文件不是标准C的一部分。为了与标准C的头文件分别开来,该头文件内定义的每个函数和宏定义的前面都有一条下划线。


TCHAR.H为需要字符串的标准运行库函数提供了一系列的替代名称。有时这些名称被称为"通用"函数名,因为它们既可以指向函数的Unicode版本,也可以指向ASCII版本。
以_tcslen()为例如果定义了_UNICODE的标识符,并且程序中包含了TCHAR.H,那么_tcslen()就定义为wcslen():

#define _tcslen wcslen

如果没有定义_UNICODE,则_tcslen()被定义为strlen()。

#define _tcslen strlen

TCHAR.H还用一个新的数据类型TCHAR来解决两种字符数据类型的问题。如果定义了_UNICODE标识符,那么TCHAR就是wchar_t:

typedef wchar_t TCHAR;

否则TCHAR就是char:

typedef char TCHAR;

还记得第一章里出现过的TEXT()吗?那是为了兼容UNICODE字符集所做的改动。下面就来看看TEXT()在头文件中是怎么定义的。

#define __T(x)    L##x

后面的L##x您可能看不懂。很少有书提到它。但那确实是标准C预处理的一部分。这一对"##"称为粘贴号(token paste)。看来我们对标准C的了解还不够。是时候买本"The C Programming Language"了。它将字母L添加到宏参数上。

__T("Hello!") 等于 L##"Hello!" 等于 L"Hello!"。

此外还有两个宏与__T定义相同:

#define _T(x) __T(x)
#define _TEXT(x) __T(x)

WINNT.H头文件中还定义了一个宏,该宏也跟__T一样,将L添加到字符串前。

#ifdef UNICODE
#define __TEXT(quote) L##quote
#else
#define __TEXT(quote) quote
#endif

#define TEXT(quote) __TEXT(quote)

在本书中使用的就是TEXT(quote)。现在您知道了为什么会把字符串用TEXT()括起来了吧。what?还不明白?您可以先恶补标准C,然后再多读几遍。再不会那就是天份问题了。不过,连像我这样的村民都能看懂,您没理由不会啊!

◎第三十四页

scrnsize是可以检测出您当前显示器分辨率的东东,比如我的是1024*768

有关这个程序,运行一次就可以了,不要想看懂它,让他见鬼去吧。我们要看懂的是第三章的HelloWin。可能看完几遍后您对第二章还是不太懂,没关系,一回生,两回熟。再多看几遍就可以了。


-

posted on 2010-05-28 15:09  higirle  阅读(506)  评论(0编辑  收藏  举报