c++编程的字符集及其转换

一.两种字符集

　　多字节字符集(MBCS):因为计算机最早是在英语国家诞生的，大多数英文信息是由英文字母、数字以及一些其它字符构成了一个128个字符的ASCII字符集。本来这对于英语国家来说够用了。但是随着计算机的普及，非英语国家的文字字符也需要用计算机来存储，这时字符集就需要一种扩展机制了。一种简单的扩展机制就是兼容ASCII字符集，在后面加上自己的编码。可以想象，不同字符的编号长度是不一样的，有些是两个字节，有些是三个字节甚至四个字节等等。这样的字符集就叫多字节字符集。多字节字符集就是多种字符集的统称，比如中文字符集GB2312和GBK、日文编码JIS都是多字节字符集.些使用多个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码

　　UNICODE(万国码):由于多字节字符遵循的是各个国家的编码，要进行信息交换必须进行繁琐的转换。这时就有人想：有没有一种编码规则，能给全世界的字符都编上统一的编号呢？就这样unicode字符集诞生了。unicode字符集顾名思义就是每个字符都有一个唯一的编码。最早的unicode字符是采用两个字节也是16位对字符进行编码（也就是能够对65536个字符进行编号），故被称为utf-16。后来发现大多信息都是英文构成的，为了节省空间，同时为了兼容单字节的处理系统，就出现了一种变种的unicode字符集——utf8。utf8的实现原理和多字节字符集一样，前面是128个子符是ASCII字符，后面的采用变长的编码方式，就是一个字符可能用两个字节、三个字节或四个字节进行编码。再到后面发现16位的编码也不够用了，采用32位编码，这样就出现了utf-32:

二.c++中的常见的数据类型

　 char          是C语言标准数据类型，字符型。通常由编译器决定一个char对象有多少个字节组成，一般是一字节。(ansi字符集)

　LPSTR(char*) LPCSTR(const char*)

wchar_t    是char的Unicode版本。相当于 unsigned short。一般两个字节。(unicode字符集)

　LPWSTR(wchar_t*) LPCWSTR(const wchar_t*)

CHAR       参照定义： typedef   char           CHAR;

WCHAR    参照定义：typedef    wchar_t     WHAR;

TCAHR     通用版字符类型：在ANSI编译方式下为 char ， 在Unicode 编译方式下为 wchar_t(这种是一种通用型的字符集,在不同的字符系统中有不同的作用,wcsxxxx是unicode版本的操作函数)  LPTSTR(CHAR*)

CString 类是微软的visual c++提供的MFC里面的一个类，所以只有支持MFC的工程才可以使用。如在linux上的工程就不能用CString了，只能用标准C++中的 string类了。另外，因为string类是在c++标准库中，所以它被封装在了std命名空间中，使用之前需要声明using namespace std;而CString类并不在std命名空间中，因为它不是c++的标准库，只是微软的一个封装库。这点看来用string类的程序的移植性更好。

三.数据类型之间的转换

　　万能的转换方法:TEXT(),这种方法会检测系统现在的字符集然后自动的做出编码的选择.

　　ANSI转换为宽字节:可以在字符串的前面加上"L";或是_T()

　　cstring和char*的相互转换:

　　　　cstring->char*:　　　　

CString a=L"HAH";
CStringA temp=str;
char * pp=temp.GetBuffer();

　　char*->cstring:直接用cstring的构造函数即可:a=CString("hahha");

　　string 和cstring 要以char*为桥梁!!