Win32學習筆記 第二章 Unicode (轉)

Win32學習筆記 第二章 Unicode (轉)[@more@]

學習筆記

作者： 姜學哲(tosail0@163.net">netsail0@163.net)

教材： 設計(第五版)北京大學出版社
 [美]Charles Petzold 著
 北京博彥科技發展有限公司 譯  ￥：160
參考資料：
 Windows 應用程式設計原理_方法_技術(因為是PDF格式的EBOOK，作者等不詳)
 新編Windows 參考大全  電子工業出版社  ￥：98
 C++ Primer(第三版）中國電力出版社 Stanley B.Lippman & Josee Lajo著 潘愛民 張麗 譯 ￥：128
 TURBO C實用大全 徐金梧 楊德斌 徐科 編 ￥：42

環境：  server + Internet Explorer 6.0 + 7.0 + Visual C++ 6.0

圖們江程式編制小組(chulsoft.xiloo.com)版權所有，轉載請說明出處
--------------------------------------------------------------------
【第二章 Unicode】

佛曰：眾生皆平等。但是人卻可以利用較高等的智慧站在了眾多生物的至高點。吃早飯的時候我看著被做成菜的那條魚，想到它也是生命。所以說到底，還是有些等級之分。學習WIN32過程中讓我知道了Unicode的存在。Unicode最終會取代ASCII碼成為標準。但是之前還有很長一段路要走。雖然Unicode的優勢很明顯，但是因為歷史遺留問題，ASCII會存在很長一段時間。

學習C語言的時候您應該接觸過ASCII碼。學習本章的內容需要ASCII知識。

學習Unicode有必要了解字符集的歷史。從最早的象形字開始，我們使用字元文字已經有近6000年了。19世紀的幾個發明家發明了電報，當時在電報中使用的程式碼是Morse程式碼。字母表中的每個字元對應於一系列短和長的脈衝。

計算機是處理的資料其實是一系列1和0。每一段數字都代表一種字元。這就是ASCII碼。7位數的ASCII碼對於美國的字符集支援得很好。不幸的是地球上有一百多個國家和地區，2000多個民族。對於美國以外的來講在計算機中顯示自己國家的文字困難重重。

尤其是中國，日本，朝鮮更是如此。以中國為例，有數也數不清的漢字。辦法總是有的。人們引入了"內碼表"和"雙位元組字符集"的概念。這種編碼方式非常龐大和複雜，不利於維護。這個時候Unicode應運而生了。

Unicode的解決方案非常簡單。既然不能用7位或者8位數值表示，那麼我們應該試一下更寬的值。例如16位，這樣就允許表示65536個字元。Unicode和ASCII是相容的。也就是說，前128個字元的數值是相同的。

Unicode的最大好處是隻有一個字符集。當然Unicode也有缺點,Unicode佔用的是ASCII碼的兩倍。而且人們還不太習慣Unicode。

對於程式設計師來講，8位的ASCII碼和16位的Unicode是我們必須面對的問題。為了解決寬字元（16位）問題，Windows在頭中定義了"新"資料型別。

typedef unsigned short wchar_t;

可以看出wchar_t其實是16位的無符號短整型數。Windows用這種方法存貯16位字元。

wchar_t *p = L"Hello!";

在"Hello!"前有一個大寫字母L（代表long)。這將告訴該字串按寬字元儲存。即每個字元佔用2個字元。存貯該字串需要14個位元組。字串末尾還有一個/0也需要2個位元組。

我們都知道如何獲得字串的長度。

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

strlen()返回字串的長度，長度將不包括末尾的/0。變數iLength將等於6，也就是字串中的字元數。

接下來我們試著用strlen()檢查寬字元的字串。

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

strlen()的引數應該是char型別的指標，但是現在卻接受了一個unsigned short型別的指標。編譯後您會發現iLength等於1。

why?字串"Hello!"中的6個字元寬字元程式碼如下：

0x0048 0x0065 0x006c 0x006c 0x006f 0x0021

在記憶體中將其存為：

48 00 65 00 6c 00 6c 00 6f 00 21 00

strlen()的工作過程是遇到0就結束。因為0表示一個字串的結束。當讀完"48"後strlen()遇到的是0，所以strlen()返回1。

由上例可以看出C語言的函式無法正確處理寬字元。在引數中有字串的函式全部需要重寫。strlen()的寬字元版本是wcslen(),並且在STRING.H中和WCHAR.H中均有宣告.

現在我們知道,要得到寬字串的長度,可以

iLength = wcslen(pw);

該函式返回將返回字串中的字元數6。請記住，改成寬位元組後字串的字元長度不變，只是位元組長度改變了。千萬不要混淆。

因為Unicode佔用兩倍的空間，所以寬位元組執行庫中的函式比常規的函式大。所以最好是建立兩個版本的程式，一個處理ASCII字串，另一個處理Unicode字串。但是這樣以來又引來了另一個小問題。因為每一個實現特定功能的函式都有兩個版本，所以名字不好記。不管是ASCII版本還是Unicode版本，都用相同的名字該多好啊？幸好這個問題已經得到了解決。

解決辦法是使用Visual C++包含的TCHAR.H標頭檔案。該標頭檔案不是標準C的一部分。為了與標準C的標頭檔案分別開來，該標頭檔案內定義的每個函式和宏定義的前面都有一條下劃線。

TCHAR.H為需要字串的標準執行庫函式提供了一系列的替代名稱。有時這些名稱被稱為"通用"函式名，因為它們既可以指向函式的Unicode版本，也可以指向ASCII版本。
以_tcslen()為例如果定義了_UNICODE的識別符號,並且程式中包含了TCHAR.H,那麼_tcslen()就定義為wcslen():

#define _tcslen wcslen

如果沒有定義_UNICODE，則_tcslen()被定義為strlen()。

#define _tcslen strlen

TCHAR.H還用一個新的資料型別TCHAR來解決兩種字元資料型別的問題。如果定義了_UNICODE識別符號,那麼TCHAR就是wchar_t:

typedef wchar_t TCHAR;

否則TCHAR就是char:

typedef char TCHAR;

還記得第一章裡出現過的TEXT()嗎?那是為了相容UNICODE字符集所做的改動。下面就來看看TEXT()在標頭檔案中是怎麼定義的。

#define __T(x)  L##x

後面的L##x您可能看不懂。很少有書提到它。但那確實是標準C預處理的一部分。這一對"##"稱為貼上號(token paste)。看來我們對標準C的瞭解還不夠。是時候買本"The C Programming Language"了。它將字母L新增到宏引數上。

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

此外還有兩個宏與__T定義相同：

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

WINNT.H標頭檔案中還定義了一個宏，該宏也跟__T一樣，將L新增到字串前。

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

#define TEXT(quote) __TEXT(quote)

在本書中使用的就是TEXT(quote)。現在您知道了為什麼會把字串用TEXT()括起來了吧。what?還不明白？您可以先惡補標準C，然後再多讀幾遍。再不會那就是天份問題了。不過，連像我這樣的村民都能看懂，您沒理由不會啊！

◎第三十四頁

scrnsize是可以檢測出您當前顯示器解析度的東東，比如我的是1024*768

有關這個程式，執行一次就可以了，不要想看懂它，讓他見鬼去吧。我們要看懂的是第三章的HelloWin。可能看完幾遍後您對第二章還是不太懂，沒關係，一回生，兩回熟。再多看幾遍就可以了。