返璞归真vc++之字符类型

　　在今天，大量使用java与.net的程序员已经很少去真实了解字符的底层表达，但是使用VC++编程，对字符的处理却非常慎重，刚学习vc++肯定会为其中的字符类型给晕头转向，今天本人学习第一节，从字符开始

　　特别说明:本文章所有开发环境选用vs2012开发

　　在计算机系统中所有的数据与程序指令都是二进制的形式存在的，CPU处理器给特定序列的二进制序列包含有特殊的意义，及我们常说的计算机指令，计算机指令目前流行的X86指令集，以及目前流行android平台下arm指令集，同时所有的数据也是以二进制的形式表达在计算机中，主要表达在计算机体系中的内存，寄存器，以及CPU缓存。所以计算机认识到的字符也就是一串二进制格式的数据，计算机的首要任务就是给这些二进制进行字符的映射，但是在不同的指令集与CPU下，对这些二进制进行翻译的过程中又产生了高位与低位只说，这个只是CPU级别的二进制读取顺序，如何给这些特定的二进制翻译成我们熟悉的人类语言，于是就产生了我们经常所说的字符串编码，常用的有ASCII编码，以及Unicode，

　　asccii编码，及单个字节编码，1个字节8个位，也就是说，在计算机内存中，8个连续的位能代码一个字符，那么如何映射成字符呢，那么就是通过我们的assicc表来实现，如下

八进制	十六进制	十进制	字符	八进制	十六进制	十进制	字符
00	00	0	nul	100	40	64	@
01	01	1	soh	101	41	65	A
02	02	2	stx	102	42	66	B
03	03	3	etx	103	43	67	C
04	04	4	eot	104	44	68	D
05	05	5	enq	105	45	69	E
06	06	6	ack	106	46	70	F
07	07	7	bel	107	47	71	G
10	08	8	bs	110	48	72	H
11	09	9	ht	111	49	73	I
12	0a	10	nl	112	4a	74	J
13	0b	11	vt	113	4b	75	K
14	0c	12	ff	114	4c	76	L
15	0d	13	cr	115	4d	77	M
16	0e	14	so	116	4e	78	N
17	0f	15	si	117	4f	79	O
20	10	16	dle	120	50	80	P
21	11	17	dc1	121	51	81	Q
22	12	18	dc2	122	52	82	R
23	13	19	dc3	123	53	83	S
24	14	20	dc4	124	54	84	T
25	15	21	nak	125	55	85	U
26	16	22	syn	126	56	86	V
27	17	23	etb	127	57	87	W
30	18	24	can	130	58	88	X
31	19	25	em	131	59	89	Y
32	1a	26	sub	132	5a	90	Z
33	1b	27	esc	133	5b	91	[
34	1c	28	fs	134	5c	92
35	1d	29	gs	135	5d	93	]
36	1e	30	re	136	5e	94	^
37	1f	31	us	137	5f	95	_
40	20	32	sp	140	60	96	'
41	21	33	!	141	61	97	a
42	22	34	"	142	62	98	b
43	23	35	#	143	63	99	c
44	24	36	$	144	64	100	d
45	25	37	%	145	65	101	e
46	26	38	&	146	66	102	f
47	27	39	`	147	67	103	g
50	28	40	(	150	68	104	h
51	29	41	)	151	69	105	i
52	2a	42	*	152	6a	106	j
53	2b	43	+	153	6b	107	k
54	2c	44	,	154	6c	108	l
55	2d	45	-	155	6d	109	m
56	2e	46	.	156	6e	110	n
57	2f	47	/	157	6f	111	o
60	30	48	0	160	70	112	p
61	31	49	1	161	71	113	q
62	32	50	2	162	72	114	r
63	33	51	3	163	73	115	s
64	34	52	4	164	74	116	t
65	35	53	5	165	75	117	u
66	36	54	6	166	76	118	v
67	37	55	7	167	77	119	w
70	38	56	8	170	78	120	x
71	39	57	9	171	79	121	y
72	3a	58	:	172	7a	122	z
73	3b	59	;	173	7b	123	{
74	3c	60	<	174	7c	124	|
75	3d	61	=	175	7d	125	}
76	3e	62	>	176	7e	126	~
77	3f	63	?	177	7f	127	del

其中，每一个二进制序列对应这一个英文与数字字符，例如常说的十进制数65的二进制表达是1000001,对应的十六进制为0x41;

我们都知道c语言中，字符是用char类型表示，同时默认的编码格式为asccii编码，也就是说当0x41这个十六进制数在转换成整形值是65，在进行asccii字符转换时，如上表所示，即我们常说的大写字母A，

下面我们做一个实验，即可证明以上观点是否正确

#include "stdafx.h"


int _tmain(int argc, _TCHAR* argv[])
{
    //数值数据
    int i=0x41;
    //内存数据按整形值翻译打印出来
    printf("this is int%d
",i);
    //内存数据按照asccii翻译打印出来
    printf("this is char%c
",i);
    //打印出内存数据的十六进制格式
    printf("this is binary 0x%x
",i);
    return 0;
}

打印结果如下

由此可见，数据的表达都是二进制，只是人为的定义了一些一些含义，你认为是字符的时候，就转换成字符，你认为是数字的时候就变成了数字，你认为是指令的时候，就编程了是指令，只是指令已经被CPU确定了含义。

那么同理得出Unicode也是类似的结构，只是有点不同

1、Unicode为双字节编码，也就是说一个字符需要两个字节的容量才能保存

所以需要特别注意的地方到了，那么以上这些函数printf能处理Unicode字符串吗？

答案显然是不能的，我们依然写一个程序去验证我们的结果

 

#include "stdafx.h"
#include <Windows.h>

int _tmain(int argc, _TCHAR* argv[])
{
    WCHAR unicodeChar='很';
    printf("this is unicode Char%c
",unicodeChar);

    return 0;
}

 

 打印的结论：

可以看到，最终被一个问号代替了，也就是说，printf函数并没有把他解析出来，它依然按照asccii标准去解析，所以变成了问号，那么疑问出来了

WCHAR到底是一个什么类型呢，怎么在c++标准中并不存在这样一个类型呢？

答案马上揭晓,我们找到了下面的宏定义

#ifndef _MAC //非苹果硬件平台
typedef wchar_t WCHAR;  //实际值是wchar_t  // wc,   16-bit UNICODE character
#else
// some Macintosh compilers don't define wchar_t in a convenient location, or define it as a char
typedef unsigned short WCHAR; //苹果硬件平台实际上是unsigned short

// wc, 16-bit UNICODE character #endif

 

 也就是如上所述：

所以在我们常用的电脑下，都是wchar_t类型，那么这又是一个什么类型呢？

百度百科给出的定义如下，http://baike.baidu.com/link?url=s9f5p8uJEuzVarbu0ilC2XTNRSEQHmxMM0pAHJE5w-Iysq2KFAmRXQUqSuYbbIF-AwmC0e_-Rtsy9NUKP6QVYK

char是8位字符类型，最多只能包含256种字符，许多外文字符集所含的字符数目超过256个，char型无法表示。

wchar_t数据类型一般为16位或32位，但不同的C或C++库有不同的规定，如GNU Libc规定wchar_t为32位[1]，总之，wchar_t所能表示的字符数远超char型。

标准C++中的wprintf()函数以及iostream类库中的类和对象能提供wchar_t宽字符类型的相关操作。

所以是一个宽字符，也就是比char类型大，支持多种语言，比如东南亚国家的语言等，所以我认为在后续的编程中，应该尽可能的使用宽字符类型，同时对于宽字符类型，c++标准也提供了wprintf一系列类来操作

今天就是以上学习的内容啦，大概就这么多了，通过理解原理，然后去看vc++对这些类型的宏包装，其中不同类型的相互转换应该也是有所理解的。