刨根問底：C++中寬字元型別（wchar_t）的編碼一定是Unicode？長度一定是16位？

問題的起因是和一個朋友討論不同編碼的轉換問題，說到了wchar_t的型別，朋友的看法是，wchar_t的編碼方式是utf-16，長度一定是16位的。我的看法不同，我認為wchar_t的長度和編碼方式都是編譯器和平臺決定的，和語言沒任何關係。

後來這個朋友為了說服我，回家把C++ Primer給我搬出來了，還給我截了個圖（因為我沒這本書），在這本書第30頁有個表格，清楚地寫著wchar_t是unicode字元，而最小尺寸是16。既然“最小尺寸是16”了，那麼其他尺寸的可能性就有了，但是編碼方式是怎麼回事？因為憑我印象，貌似沒有任何文件規定過寬字元的編碼方式，我想說服我朋友，但腦子裡有沒有證據，不知道從何說起，因此回家仔細查了查資料，算是有了個瞭解。

1. 寬字元的編碼方式到底是誰定的？

這裡有兩個選擇，要麼是C++語言標準，要麼是編譯器作者設計的；若是前者，則編碼方式就沒有異議了，任何平臺、任何編譯器，都應該一樣；但若是後者，這就完全取決於編譯器製作者的想法了。那麼，C++中，到底是什麼情況？

我們可以翻閱下C++ ISO 2003的文件，在3.91章第五條，清楚地寫著wchar_t的定義如下：

Type wchar_t is a distinct type whose values can represent distinct codes for all members of the largest extended character set specified among the supported locales (22.1.1). Type wchar_t shall have the same size, signedness, and alignment requirements (3.9) as one of the other integral types, called its underlying type.

從這段描述中可以得出幾個結論：1. wchar_t是用來儲存所有支援區域的字元的；2. wchar_t的底層儲存方式是整形，本質上也就是個整形。

其實不論是char還是wchar_t，底層的儲存都是整形，因此即使你存了個字元進去，仍然會以整形的形式儲存，所以這裡面涉及到了一個轉化問題，也就是我們所談的字元編碼。

而編碼方式在以上的C++ ISO文件裡並找不到文字說明，因此，可以確定，編碼方式是編譯器實現的，並且是沒有標準的。

那麼，就引出了第二個問題。

2. 編碼方式有幾種？寬字元儲存的長度一樣嗎？

先從char說起，char型的常見編碼方式是ASCII，ASCII編碼是一種基於8位二進位制數的字元編碼演算法，是美國ANSI制定的一種單字元編碼方案，能表示256種可能的字元，常見的字母、符號、鍵盤指令等，全能用ASCII碼錶示，而由於ASCII碼是基於8位的編碼，因此用這種演算法的編譯器，char型別都佔8位。請注意因果關係，是因為用了ASCII，所以char才是8位，而不是char是8位，所以採用ASCII。

同理可適用於wchar_t型別。

wchar_t的出現，是出於程式相容多語言的需求，因為在很多語言中，字元的數量遠遠大於256，因此需要把原字元進行擴容，必須能表示更多的字元型別。因此wchar_t出現了，wchar_t全稱是wide character type，也就是寬字元。最常見的寬字元編碼方式就是unicode了，utf-16和utf-32都是unicode編碼。wchar_t也主要以這兩種方式實現。

utf-16是完全基於ucs-2的，但儲存的方式分為Big Endian和Little Endian，區別在於儲存的順序，比如字元A用utf-16BE的方式表示是0x0041，用utf-16LE的方式表示則是0x4100，我在我的機器上試了下，用VC10編譯器，wchar_t的編碼方式是utf-16BE。而在gcc下是utf-32BE。

關於各種的編碼演算法，資料繁多，我就不多說了。

但這個問題是解決了，那就是，wchar_t的目的是編碼並儲存所有字符集，編碼方式和儲存空間大小和語言無關，只和編譯器有關，因此說wchar_t的編碼方式是unicode是錯的。C++ Primer上的描述也是不準確的。

哦，對，最後補充一下，unicode是相容ASCII的，ASCII所能表示的字元，用unicode編碼可以得出一樣的值。但不相容GBK（也就是中文編碼），如果混用兩種方式編碼的字串，需要開發者手動去轉換。