[转]宽字符标量L"xx"在VC6.0/7.0和GNU g++中的不同实现。

《The C++ Programming Language 3rd》中有这么两段话：
from 4.3:
A type wchar_ t is provided to hold characters of a larger character set such as Unicode. It is a distinct type. The size of wchar_t is implementation-defined and large enough to hold the largest character set supported by the implementation’s locale (see §21.7, §C.3.3). The strange name is a leftover from C. In C, wchar_t is a typedef (§4.9.7) rather than a builtin type. The suffix _  t was added to distinguish standard typedefs.
from 4.3.1:
Wide character literals are of the form L碼b, where the number of characters between the quotes and their meanings is implementation-defined to match the wchar_t type. A wide character literal has type wchar_t.

这两段话中有两个要点是我们关心的：
1〉wchar_t的长度是由实现决定的；
2〉L'ab'的含义是由实现决定的。

那么GNU g++和VC6.0/7.0各是怎么实现的呢？看下面代码：

//author: **.Zhou
#include
#include
#include

void prt( const void* padd, size_t n )
{
const unsigned char* p = static_cast<const unsigned char*>( padd );
const unsigned char* pe = p + n;
for( ; p<pe; ++p ) printf( " %02X", *p ); printf( "\n" );
}
int main()
{
char a[] = "VC知识库";
wchar_t b[] = L"VC知识库";
prt( a, sizeof(a) );
prt( b, sizeof(b) );
system( "Pause" );
// 说明：
//  Dev-CPP4990 显示为：
//    56 43 D6 AA CA B6 BF E2 00
//    56 00 43 00 D6 00 AA 00 CA 00 B6 00 BF 00 E2 00 00 00
//  VC++6.0 和 VC.net2003 显示为：
//    56 43 D6 AA CA B6 BF E2 00
//    56 00 43 00 E5 77 C6 8B 93 5E 00 00
// 可见，Dev-CPP中的L""不是unicode编码，只是简单的扩充，汉字需要4bytes存储

HWND h = FindWindow( NULL, "计算器" );
SetWindowTextA( h, a );
system( "Pause" );
SetWindowTextW( h, b );
system( "Pause" );
// 说明：
//   VC++6.0 和 VC.net2003 都能成功将标题改为"VC知识库"
//  而 Dev-CPP4990 只有 SetWindowTextA 显示正确，而 SetWindowTextW 显示的是乱码
}

这段代码说明了,g++（Dev-CPP用的是MingGW编译器）中L"xx"解释为把作为non-wide-char的"xx"扩展为作为wide-char的wchar_t，不足则在高位补0；而VC6.0的L"xx"解释为把作为MBCS的"xx"转换为作为unicode的WCHAR，目前的MBCS是以char为一个存储单元的，而WCHAR在winnt.h中定义为typedef wchar_t WCHAR。在win平台上，只要是超过0~127范围内的char型字符，都被视为MBCS，它由1到2个字节组成，MBCS字符集跟它的地区代码页号有关。在某个特定的win平台，默认的代码页号可以在控制面板-〉区域选项中设定。

关于上述结论可以有下面这个程序来验证：

//author: smileonce


#include
#include
#include
#include

void prt( const void* padd, size_t n )
{
const unsigned char* p = static_cast<const unsigned char*>( padd );
const unsigned char* pe = p + n;
for( ; p<pe; ++p ) printf( " %02X", *p ); printf( "\n" );
}
int main()
{
char a[] = "VC知识库";
wchar_t b[] = L"VC知识库";
prt( a, sizeof(a) );
prt( b, sizeof(b) );
PSTR pMultiByteStr = (PSTR)a;
PWSTR pWideCharStr;
int nLenOfWideCharStr;
// 利用API函数MultiByteToWideChar()来把a转化成unicode字符
    nLenOfWideCharStr = MultiByteToWideChar( CP_ACP, 0, pMultiByteStr, -1, NULL, 0);
pWideCharStr = (PWSTR)HeapAlloc( GetProcessHeap(), 0, nLenOfWideCharStr * sizeof(WCHAR) );
assert( pWideCharStr );
MultiByteToWideChar( CP_ACP, 0, pMultiByteStr, -1, pWideCharStr, nLenOfWideCharStr );
prt( pWideCharStr, nLenOfWideCharStr * sizeof(WCHAR) );
system( "Pause" );
//    // 说明：
//        56 43 D6 AA CA B6 BF E2 00             //char a[] = "VC知识库";
//        56 00 43 00 E5 77 C6 8B 93 5E 00 00    //wchar_t b[] = L"VC知识库";
//        56 00 43 00 E5 77 C6 8B 93 5E 00 00    //用MultiByteToWideChar()把a转换为unicode
//    // 可见，b[]的字符代码就是unicode代码

return 0;
}

呵呵，问题已经明了，总结一下：

1> ISO C中wchar_t是一个typedef，ISO C++中wchar_t是语言内建的数据类型，L'xx'是ISO C/C++语言内建的表示wchar_t的文本量的语法；
2> wchar_t的长度是由实现决定的；
3> L'xx'的意义是由实现决定的；
4> 默认的'xx'是non-wide-char，其每个元素数据的类型是char；与其想对应的L'xx'是wide-char,其每个元素数据的类型是wchar_t。

为什么C/C++语言把L'xx'定义为由实现决定的呢？这显然是为了C/C++的普适性、可移植性。Bjarne的观点认为，C++的方式是允许程序员使用任何字符集作为串的字符类型。另外，unicode编码已经发展了若干版本了，是否能永久适合下去也不得而知。有关unicode的详细论述以及和其它字符集的比较，我推荐你看《无废话xml》 。