字符串问题？

Question

VC里，代码文件都是ascii格式的，就是一个字符用一个字节表示,但是现在的系统都是Unicode格式的。是不是TEXT("")把ascii字符串转换成Unicode字符串的呢？要是"abc"这样的字符串好办，只要在高字节补0就可以，但是中文字符呢？怎么处理的？比如TEXT("我们")，是谁负责把国标码转换成Unicode的？

Answer 1

代码文件也要用unicode格式，这样才能正确显示中文等，
然后使用 TEXT等宏，用宽字符表示，两个字节表示一个字符

Answer 2

unicode用2个字节表示一个字符
ansi用1个字节unicode表示字符的方法   wchar_t txt[] = L"unicode";   // 会占用 (7+1)*2个字节
        ~~~~~~~
ansi                 char txt[] = "ansi";           // ~~~~~~(4+1)*1~~~~~TEXT("xxx"), _T("xxx") 在不同的工程设置下可代表不同的字符类型。如果定义了UNICODE,则展开为unicode格式的字符串 L"xxx"; 如果没有定义，则展开为ansi格式的字符串 "xxx"

Answer 3

源本身有存储格式，可执行程序也分unicode/ansi

Answer 4

可能大家没明白我的意思，vc里，代码源文件是ascii格式的，遇到汉字用的是gb码
TCHAR str[] = TEXT("我们");
用UltraEdit打开源文件代码，发现"我们"用的是gb表示的，谁把gb码转换成Unicode的呢？
比如MessageBoxW(NULL, str, 0, 0)，结果是对的，但是这个函数要求的是Unicode，谁转换的呢？

Answer 5

你确信你说的都是真的？假如你的工程是unicode的，那是对的，如果没定义_UNICODE宏呢？

Answer 6

MSDN中有个转换成宽字符的函数

Answer 7

在Window Xp下用 vs2008，当然定义了_UNICODE, windows2000或者windowXp都是_UNICODE了

Answer 8

楼主哇，俺一定不显示地声明使用哪个API，习惯不带A和W的使用方式：MessageBox
这个适应性显然更好，至于是A还是W，由编译器去决定好了。字符串声明用_T(".........")就ok;而且，除非你准备你的程序跨平台使用，那用_UNICODE可以，否则，俺还是建议ANSI就ok了。有很多函数都是要求使用char，或者char*的参数。

Answer 9

这个适应性显然更好，至于是A还是W，由编译器去决定好了。字符串声明用_T(".........")就ok; 
这个正确。。

Answer 10

1、源文件在VC中可以保存成Unicode格式。代码文件的处理是编译器的问题，由它进行处理。
2、如果源文件是ANSI格式保存的，那么源文件中的“我们”以GB码保存，如果文件是Unicode的，以Unicode保存。
3、源文件和程序是两回事。你这样调用MessageBoxW，因为在VS05以后，默认都是使用Unicode的，因此，TCHAR也是wchar_t。
   如果你在VC6或者选择了多字符集编译，那么会出错。

Answer 11

应该是VS08默认使用Unicode字符集进行编译，即定义了_UNICODE。
Windows NT系列系统如2k，2k3，xp的内核都是Unicode的，即A系列函数最后是调用W的函数。

Answer 12

楼主这个问题问得好，说明你很细心啊。
首先，VC里代码文件不一定是ASCII的，ASCII里面只能是0~127个字符，也许按照楼上说的MBCS更正确。因为我们肯定是可以在代码里敲中文的。
那么编译器是如何处理中文的呢？有两种情况，对于较新的编译器如VS.NET2008，在文件另存为的时候，Save按钮旁边会有一个下拉箭头，里面有一个Save with Encoding...菜单，可以保存为Unicode。VC6等老得编译器不好说支不支持了。
那么为什么默认的不是Unicode但也可以保存中文呢，这个与Windows的区域语言设置有关，编译器按照Windows区域语言里面非Unicode程序所使用的字符编码来解析代码文件。
因为我们安装的是中文操作系统，这一选项默认是中文。例如我的Vista系统显示的是：Current language for non-Unicode programs: Chinese (Simplified, PRC)。你可以做一个尝试，在区域语言是中文的情况下，编写一段简单的程序，代码文件保存成非Unicode。例如：
#include "stdafx.h"
#include <windows.h>int _tmain(int argc, _TCHAR* argv[])
{
MessageBox(NULL, TEXT("测试"), TEXT("中文"), MB_OK);
return 0;
}然后将区域语言改为日文，重启电脑，打开上述程序，显示的就是乱码了。所以你的疑问恐怕是在于TEXT到底是告诉谁把什么转换成什么了，因为TEXT本身根据_UNICODE宏不同定义也不一样，所以我们不妨用L来描述吧。
L"中文"是告诉编译器，在编译生成obj的时候，将"中文"转换成Unicode格式。
如果.cpp文件本身就是Unicode的了，"中文"也就不需要被转换了，如果.cpp文件是ASCII的，那么编译器会根据Windows区域语言配置进行转换。

Answer 13

看了一些资料 TEXT("我们")在Unicode定义的情况下，相当于L"我们"，就是说这个L能把GB码转换为Unicode码，但是L是C语言里的东西，在所有的编译器都好用，是不是所有的编译器对这个L定义都一样呢，就是把GB转换成Unicode。

Answer 14

L并不是把GB转换成Unicode，
在Windows平台中，是把Windows设置中当前非Unicode程序默认编码转换为ucs2，也就是两字节的Unicode编码
在*nix平台中，转换为ucs4，也就是4字节的Unicode编码。