第2章Unicode简介.pptVIP

第二章 Unicode简介 第二章 Unicode简介 Unicode扩展自ASCII字符集。 在ASCII中，每个字符用7位表示，或者计算机上普遍使用的每字符有8位宽； 而Unicode使用全16位字符集。这使得Unicode能够表示世界上所有的书写语言中可能用于计算机通讯的字符、象形文字和其它符号。 Unicode最初作为ASCII的补充，最终将代替它。 2.1.1 美国信息交换标准码 美国信息交换标准码（ASCII：American Standard Code for Information Interchange） 字符码就26个小写字母、26个大写字母、10个数字、32个符号、33个句柄和一个空格，总共128个字符码。 ASCII现在记录在ANSI X3.4-1986字符集－用于信息交换的7位美国国家标准码,由美国国家标准协会发布。 美国信息交换标准码 2.1.2 ASCII的问题 ASCII是美国标准，不能满足其它讲英语国家的需要。例如英国的英镑符号￡？ 没有读音符号 :在美国以南、以北，以及大西洋地区的许多国家，在语言中使用读音符号很普遍。例如希腊语、希伯来语、阿拉伯语和俄语（使用斯拉夫字母表）。如果您向东走得更远，就会发现中国象形汉字，日本和朝鲜也采用汉字系统。 ASCII的历史开始于1967年，此后它主要致力于克服其自身限制以更适合于非美国英语的其它语言。 2.1.3 扩展ASCII 2.1.4 双字节字符集 双字节字符集（DBCS：double-byte character set）。 最初的128个代码是ASCII。较高的128个代码总是跟随着第二个字节。这两个字节一起（称作首字节和跟随字节）定义一个字符，通常是一个复杂的象形文字。 虽然中文、日文和韩文共享一些相同的文字，但显然这三种语言是不同的，且同一个象形文字在不同的语言中代表三件不同的事。 Windows支持的双字节字符集： 代码页932（日文）\936（简体中文）\949（韩语）\950（繁体汉字） 附加的程序设计问题. 2.1.5 Unicode解决方案 Unicode使用宽字符集, 每个字符都是16位宽而不是8位宽。 128个Unicode字符（从0x0000到0x007F）是ASCII字符，接下来的128个Unicode字符（从0x0080到0x00FF）扩展ASCII。 Unicode中不同部分的字符都基于现有标准。这便于转换。 希腊字母表使用从0x0370到0x03FF的代码 斯拉夫语使用从0x0400到0x04FF的代码 美国使用从0x0530到0x058F的代码 希伯来语使用从0x0590到0x05FF的代码 中日韩的文字（CJK）占用从0x3000到0x9FFF的代码。 Unicode的最大好处是这里只有一个字符集。 2.1.5 Unicode解决方案 Unicode参考文献 The Unicode Standard，Version 2.0（Addison-Wesley出版社，1996年）。 Unicode缺点 Unicode字符串占用的内存是ASCII字符串的两倍。 人们相对来说还不习惯使用Unicode。 2.2 宽字符和 C语言 美国国家标准程序设计语言－C（也称作ANSI C）通过一个称作宽字符的概念来支持用多个字节代表一字符的字符集。这些宽字符与常用的字符完美地共存。 ANSI C也支持多字节字符集，例如中文、日文和韩文版本Windows支持的字符集。然而，这些多字节字符集被当成单字节构成的字符串看待，只不过其中一些字符改变了后续字符的含义而已。多字节字符集主要影响C语言程序执行时期链接库函数。相比之下，宽字符比正常字符宽，而且会引起一些编译问题。 宽字符不需要是Unicode。Unicode是一种可能的宽字符集。然而，因为本书的焦点是Windows而不是C执行的理论，所以我将把宽字符和Unicode作为同义语。 2.2.1 Char数据类型 在C程序中使用char数据类型来定义和储存字符跟字符串。 char c = A ; char * p = Hello! ; char a[10] ; char a[] = Hello! ; 字符串都储存在静态程序内存中，并在末尾添加0，这样就需要7个字节的储存空间。 2.2.2 宽字符 C中的宽字符数据类型, 在WCHAR.H中定义： typedef unsigned short wchar_t ; wchar_t c = A ; wchar_t * p = LHello! ; L代表long。告诉编译器该字符串按宽字符保存。 定义宽字符数组： static wchar_t a[] = LHello! ; 2.2.4 维护单一原始码