關於LPSTR、LPCSTR、LPTSTR和LPCTSTR

LPSTR: 指向一個字符串的32位指針,每個字符佔1個字節。
LPCSTR:指向一個常量字符串的32位指針,每個字符佔1個字節。
LPTSTR:指向一個字符串的32位指針,每個字符可能佔1個字節或2個字節。此字串可移植到Unicode和DBCS
LPCTSTR:指向一個常量字符串的32位指針,每個字符可能佔1個字節或2個字節。此字串可移植到Unicode   和DBCS

ANSI(即MBCS):多字節字符集,不定長表示世界文字的編碼方式。ANSI表示英文字母時就和ASCII一樣,但表示其他文字時就需要用多字節。
Unicode:用兩個字節表示一個字符的編碼方式。比如字符’A’在ASCII下面用一個字節表示,而在Unicode下面用兩個字節表示,其中高字節用“0”填充;函數’程’在ASCII下面用兩個字節表示,而在Unicode下面也是用兩個字節表示。Unicode的用處就是定長表示世界文字,據統計,用兩個字節可以編碼現存的所有文字而沒有二義。

Windows下的程序設計可以支持ANSI和Unicode兩種編碼方法的字符串,使用哪種要看定義了MBCS宏還是Unicode宏。MBCS宏對應的字符串指針爲LPSTR(即char*),Unicode對應的指針爲LPWSTR(即unsigned char*)。爲了寫程序的方便,微軟定義了類型LPTSTR,在MBCS下它表示char*,在Unicode下它表示unsigned char*,這就可以重定義一個宏進行不同字符集的轉換了。

Unicode不管是英文字符還是中文字符都是採用雙字節方式表示。Windows NT的所有與字符有關的函數都提供了兩種方式的版本,而Windows 9x只支持ANSI方式。
_T一般同字符常量相關,如_T(“你好!”);。如果編碼方式爲ANSI,_T不起任何作用;如果編碼方式爲Unicode,編譯器會把"你好!"以
Unicode方式進行保存。

_T和_L的區別:

_L不管是以什麼方式編譯,一律以Unicode方法保存。
L表示字符串資源採用Unicode編碼方式,例:

wchar_t Str[]=L"Hello World!"; //每個字符都用2個字節來存儲

_T是一個適配宏。當定義了_UNICODE時,_T和L相同;否則,_T的字符串採用ANSI編碼方式。例:

LPTSTR lptStr=new TCHAR[32];

TCHAR* szBuf=_T("Hello");

以上兩個語句,無論是在ANSI編碼方式,還是在Unicode編碼方式下都是正確的。

微軟推薦使用相匹配的字符串函數。例如,在處理LPTSTR或LPCTSTR的時候,應該使用_tcslen來替代strlen函數。否則,在Unicode編碼方式下,strlen不能處理wchar_t*的字符串。

T是一個非常重要的符號(TCHAR、LPTSTR、LPCTSTR、_T()和_TEXT()等),它表示使用一箇中間類型,既不明確表示使用MBCS,也不明確表示使用Unicode。到底使用哪種字符集,在編譯的時候才決定。

CString類型到LPTSTR類型的轉換

CString path1;
LPTSTR path2=path1.GetBuffer(path1.GetLenght());

字符編碼:

計算機只能處理數字,如果要處理文本,必須先把文本轉換爲數字才能處理。最早的計算機在設計時採用8個比特(bit)作爲一個字節(byte),所以,一個字節能表示的最大的整數就是255(11111111)。
如果要表示更大的整數,就必須用更多的字節。比如兩個字節可以表示的最大整數是65535,4個字節可以表示的最大整數是4294967295。

ASCII編碼

由於計算機是美國人發明的,因此最早只有127個字母被編碼到計算機裏,也就是大小寫英文字母、數字和一些符號,這個編碼表被稱爲ASCII編碼,比如大寫字母 A 的編碼是65,小寫字母 z 的編碼是122。但是處理中文時一個字節是不夠的,至少需要兩個字節,而且還不能和ASCII編碼衝突,所以,中國製定了GB2312編碼,用來把中文編進去。
全世界有上百種語言,各國有各國的標準,這樣就會不可避免地出現衝突,結果就是,在多語言混合的文本中,顯示出來會有亂碼。

Unicode編碼

爲了解決亂碼問題,於是出現了Unicode。Unicode把所有語言都統一到一套編碼裏,解決了亂碼的問題。Unicode標準也在不斷髮展,但最常用的是用兩個字節表示一個字符(如果要用到非常偏僻的字符,就需要4個字節)。現代操作系統和大多數編程語言都直接支持Unicode。

ASCII和Unicode的區別

1)ASCII編碼是1個字節,而Unicode編碼通常是2個字節,如:

字母 A 用ASCII編碼是十進制的65,二進制的01000001;

字符 0 用ASCII編碼是十進制的48,二進制的00110000,注意字符 ‘0’ 和整數 0 是不同的;

漢字中已經超出了ASCII編碼的範圍,用Unicode編碼是十進制的20013,二進制的01001110 00101101。

如果把ASCII編碼的 A 用Unicode編碼,只需要在前面補0就可以,因此, A 的Unicode編碼是00000000 01000001。

UTF-8編碼
雖然統一成Unicode編碼,亂碼問題解決了。但如果一個文本基本上全部是英文的話,用Unicode編碼比ASCII編碼需要多一倍的存儲空間,在存儲和傳輸上就十分不划算。
因此,又把Unicode編碼轉化爲“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節,常用的英文字母被編碼成1個字節,漢字通常是3個字節,只有很生僻的字符纔會被編碼成4-6個字節。如果傳輸的文本包含大量英文字符,用UTF-8編碼就能節省空間:

字符A
ASCII 01000001
Unicode 00000000 01000001
UTF-8 01000001

UTF-8好處:
ASCII編碼實際上可以被看成是UTF-8編碼的一部分,所以,大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續工作。

注意:
unicode是一種編碼方式,和ascii是同一個概念,而UTF-8,UTF-16等是一種存儲方式,在存儲和傳輸上節約空間、提高性能的一種編碼形式。

計算機系統通用的字符編碼工作方式

在計算機內存中,統一使用Unicode編碼,當需要保存到硬盤或者需要傳輸的時候,就轉換爲UTF-8編碼。
用記事本編輯的時候,從文件讀取的UTF-8字符被轉換爲Unicode字符到內存裏,編輯完成後,保存的時候再把Unicode轉換爲UTF-8保存到文件:
瀏覽網頁的時候,服務器會把動態生成的Unicode內容轉換爲UTF-8再傳輸到瀏覽器:
所以很多網頁的源碼上會有類似的信息,表示該網頁正是用的UTF-8編碼。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章