UNICODE 和 ANSI 编码

  C语言，char为字符型，占用一个字节，在ASCII码表中即可查到其数字对应的字符。如65对应的字符是A。出现一个问题是，char类型只占用一个字节，1个字节有8位，每位只有0和1两种状态，那么一个字节，即8位，最多有2的8次方即256种结果。256种结果表示英文及数字足够了，但是表示汉语、韩语、日语等有几万个字符的语言，是不够的。解决这个问题，出现了两种解决方法。即UNICODE和ANSI。

  先说说ANSI的解决方法。ANSI解决这个问题是方法是，把一个字节的8位分成两部分，第一部分占1位，当作标志位；第二部分占7位，当作字符编码，我们简单他称它为编码位。也就是说只用一个字节中的7位表示字符，你查ASCII表会知道，ASCII表字符都在0-127范围内，即2的7次方。当表示英文及汉字的时候。标志位为0，编码位表示字符的ASCII码。当标志位为1的时候，系统会把这个字节，和后面的字节两个字节合起来，算作是一个字符。两个字节合起来，是16位，除了标志位，还有15位可以当作编码位。也就是有2的15次方即32768种结果，这样就能表示更多的字符了。因此ANSI编码里，英文字符(包括数字)占用一个字节，其它字符占用两个字节。

  再说说UNICODE的解决方法。UNICODE的解决办法是，用两个字节即16位表示一个字符，无论是英文、汉字还是其它语言字符。那么就有2的16次方即65536种表示结果。这表示各种语言字符，差不多够用了。

  关于ANSI和UNICODE，如果你理解不了以上内容，你可以简单的认为，ANSI编码中英文及数字占用一个字节，其它字符占用两个字节。UNICODE中，所有字符都占用两个字节。当然，为了表示更多字符，还有其它很多种表示方法，不过Visual C++（简称VC）只识别ANSI和UNICODE这两种编码。

  ANSI编码又称为 多字节编码、多字节字符集，英文名multibyte，UNICODE又称 宽字节编码、宽字节字符集，英文名widechar。不同资料称呼不同，注意多字节宽字节、或多字符宽字符这几个关键词即可。

  在以后的教程中Visual C++系列编译器简称VC。

  VC中，ANSI类型字符仍然用char来定义，UNICODE类型字符，用wchar_t来定义，VC通过typedef把wchar_t定义成了WCHAR类型，即typedef wchar_t WCHAR;，所以WCHAR就是wchar_t类型。为了区分ANSI和UNICODE编码，ANSI编码的字符仍然是单引号引起来的字符，如'a',而UNICODE字符则需要在引号前加大写的L，如UNICODE的写法为L'a'。同理，对于字符串。ANSI编码的字符串是char类型数组，UNICODE编码的字符串是wchar_t类型数组。UNICODE需要在字符串的双引号前加L。如"hello"是ANSI类型的字符串、L"hello"是UNICODE类型字符串。举例说明：

    wchar_t chw = L'a';  //chw 是UNICODE类型字符变量，占用2个字节
    char  ch = 'a';    //ch 是ANSI类型字符变量，占用1个字节

    wchar_t chw = L'中';  //chw是UNICODE编码字符，占用两个字节
    char ch = '中';    /*ch是ANSI编码字符，占一个字节，由于字符'中'编码是0xd6d0，而ch只占一个字节，所以取低8位，即0xd0，这样定义会损失高8位，好比把short类型转换成char一样*/

    wchar_t wcs[] = L"好a";  //wcs是UNICODE字符数组，三个元素L'好'、L'a'、L'\0'，每个元素占用两个字节，共占用6个字节。
    char str[] = "好a";    //str是ANSI类型字符数组，三个元素中'好'占用两个字节，'a'和'\0'占用一个字节，共占用4个字节。

  字符串长度的计算。计算UNICODE字符串长度很好计算，两个字节是一个字符，如L"你好abc"，有5个字符，2个汉字，3个英文字符，长度是5。ANSI字符长度在计算时，占用两个字符位置的字符，长度也算2。如strlen("你好abc")返回长度是7(strlen等处理ANSI编码的函数不能用来处理UNICODE字符，以后详细介绍)，因为两个汉字占用了4个字符位置，3个英文占用三个字符位置，长度是7。

  UNICODE和ANSI编码的优缺点。UNICODE编码系统处理效率高，占用空间大，计算字符串占用空间算法简单。ANSI编码，系统处理效率低，占用空间小，计算字符串占用空间算法复杂。UNICODE优点是系统处理速度快，两个字节对应一个字符，缺点是，存储有英文字符时，占用空间较大。计算指定字符串占用空间大小容易，如L"好a"两个字符加上结尾L'0'三个字符占用6个字节。ANSI估缺点和UNICODE对应，由于有的字符占用一个字节，有的占用两个字节，系统需要区分，系统处理速度慢。优点是，存储英文字符时占用空间小。计算字符串占用空间时比UNICODE复杂，如"好a"，要判断'好'是汉字，占用两个字节，加上'a'和'\0'英文字符共占用4个字节。

  在VC中，默认wchar_t是内置类型，如果在设置中关闭wchar_t为内置类型选项。VC是用unsigned short来处理wchar_t。VC6默认是ANSI编码，从Visual Studio 2010（包括Visual C++ 2010各版本在内）及以后的版本默认都是UNICODE编码。至于Visual Studio 2008及以前的版本，笔者由于长时间未用或从未使用过，不太了解默认用哪种编码，应该还是UNICODE的可能性较大。

  目前Windows主流系统(从Windows 2000开始)使用的内核是Win NT内核，以前的Windows版本如Windows 98、Windows 95等多用Win 9x内核(Win 9x名称可能就是因为采用这个内核的系统多是Windows 95、98等9开头的版本)。在系统内部Win NT内核使用的是UNICODE编码，Win 9x内核使用的是ANSI编码。

  Windows系统中，提供给开发者使用的的API(以函数形式)，在涉及到字符时，都有ANSI和UNICODE两个版本。ANSI版本的API参数及返回值多为ANSI字符，UNICODE版本的API用的是UNICODE参数及返回值。开发者可以自行决定调用哪类API(当然，混用一点问题也没有，且Windows提供了ANSI和UNICODE两个字符或字符串相互转化的函数，可以随意转化)。

  用ANSI和UNICODE哪个好？目前我们进行开发，不必考虑Win 9x内核了。Windows 98系统及更早版本已经可以忽略了。我们只考虑Win NT内核。Win NT内核使用的是UNICODE。所以当我们调用UNICODE版本的函数时，是直接执行的。当我们调用ANSI版本的函数时，系统会在内部先把ANSI字符转化成UNICODE，再让内核执行，这会让程序效率降低。如果我们不考虑编译器默认编码，UNICODE字符特点是：效率高、占用空间大、字符串长度和占用空间关系容易换算；ANSI字符特点相反：效率低、占用空间小、字符串长度和占用空间关系换算复杂。综合衡量，UNICODE编码更好一点。不过初学者开发的程序对效率通常要求不高，如果你的编译器(如VC6)默认是ANSI编码，建议你同样采用ANSI编码，这样学习起来更简单。

  为什么Visual C++ 6.0默认编码是ANSI？因为VC6是针对Windows 98设计的，Windows 98内核是Win 9x内核，内核使用ANSI编码，所以VC6默认是ANSI编码。虽然编译器与Windows版本有对应关系，但是编译器兼容性很强，一般情况下，跨版本使用问题不大，考虑到多数人还在使用Windows XP等原因，目前很多公司开发仍在采用Visual C++ 2008。常用编译器及系统版本对应关系如下：

  如果以上内容难以理解，可以只了解大概，会在以后的学习中，慢慢加强和深入。

作者QQ:3304576112  交流QQ群：316930386  本教程内容由 juliusun.com 保留版权，请匆复制传播。