摘　要：

摘　要：本文對(duì)UNICODE字符集作詳細(xì)介紹，并對(duì)基于Window 2000以上的WIN32操作系統(tǒng)在Visual C++編程環(huán)境下實(shí)現(xiàn)軟件的多國(guó)語言作詳細(xì)論述。

關(guān)鍵詞：

關(guān)鍵詞：UNICODE　編碼　MBCS　SBCS

     對(duì)于中東等非英語國(guó)家的地區(qū)，用戶經(jīng)常要編寫雙語或多語操作界面。并且從Windows NT操作系統(tǒng)后，即使輸入的MBCS字符，操作系統(tǒng)也要轉(zhuǎn)換為UNICODE字符，并且有必要輸出時(shí)還要經(jīng)過一次UNICODE到MBCS字符集的轉(zhuǎn)換，雖然系統(tǒng)已經(jīng)做了極大的優(yōu)化，但還是有速度損失的。鑒于此，UNICODE編程似乎勢(shì)在必行。

1　UNICODE概述

     UNICODE 是目前用來解決 ASCII 碼 256 個(gè)字符限制問題的一種比較流行的解決方案。ASCII 字符集只有256個(gè)字符，用 0-255 之間的數(shù)字來表示。包括大小寫字母、數(shù)字以及少數(shù)特殊字符；如標(biāo)點(diǎn)符號(hào)、貨幣符號(hào)等。對(duì)于大多數(shù)拉丁語言來說，這些字符已經(jīng)夠用。但是，許多亞洲和東方語言所用的字符遠(yuǎn)遠(yuǎn)不止256個(gè)字符，有些甚至超過萬個(gè)。為了突破 ASCII 碼字符數(shù)的限制，試圖用一種簡(jiǎn)單的方法來針對(duì)超過256個(gè)字符的語言編寫計(jì)算機(jī)程序，于是 UNICODE 應(yīng)運(yùn)而生。

2　字符編碼

     第一種編碼類型是單子節(jié)字符集SBCS（single-byte character set）。在這種編碼模式下，所有的字符都只用一個(gè)字節(jié)表示。ASCII是SBCS。一個(gè)字節(jié)表示的0用來標(biāo)志SBCS字符串的結(jié)束符。

     第二種編碼模式是多字節(jié)字符集MBCS（multi-byte character set）。一個(gè)MBCS編碼包含一些一個(gè)字節(jié)長(zhǎng)的字符，而另一些字符大于一個(gè)字節(jié)的長(zhǎng)度。用在Windows里的MBCS包含兩種字符類型，單字節(jié)字符SBCS（single-byte characters set）和雙字節(jié)字符DBCS（double-byte characters set）。由于Windows里使用的多字節(jié)字符絕大部分是兩個(gè)字節(jié)長(zhǎng)，所以MBCS常被用DBCS代替。

     在DBCS編碼模式中，一些特定的值被保留用來表明它們是雙字節(jié)字符的一部分。例如，中文在GB2312編碼中，一個(gè)大于0x7f的特定范圍內(nèi)的值表示這是一個(gè)雙字節(jié)字符，緊跟著的下一個(gè)子節(jié)是這個(gè)字符的一部分。第一個(gè)值被稱作"leading bytes"。跟隨在一個(gè)leading byte子節(jié)后面的字節(jié)被稱作"trail byte"。在DBCS中，trail byte可以是任意非0值。例如，在GB2312編碼集中，“論”的“l(fā)eading bytes”為“0xCB”， “trail byte”為“0xDB”。同SBCS一樣，DBCS字符串的結(jié)束標(biāo)志也是一個(gè)單字節(jié)表示的0。

     第三種編碼模式是Unicode。Unicode是一種所有的字符都使用兩個(gè)字節(jié)編碼的編碼模式。Unicode字符有時(shí)也被稱作寬字符，因?yàn)樗葐巫庸?jié)字符寬（使用了更多的存儲(chǔ)空間）。“論”的UNICODE編碼為0x8bba。注意，Unicode不能被看作MBCS。MBCS的獨(dú)特之處在于它的字符使用不同長(zhǎng)度的字節(jié)編碼。Unicode字符串使用兩個(gè)字節(jié)表示的0作為它的結(jié)束標(biāo)志。

3　UNICODE編程的實(shí)現(xiàn)

    本節(jié)結(jié)合制作英文/阿拉伯文雙語界面來討論利用UNICODE編程的具體實(shí)現(xiàn)過程。

3.1　字符串的定義

     對(duì)于MBCS編程，定義一個(gè)字符串的常用格式：

     char buf[100];

　　字符串的拷貝函數(shù)下面這樣聲明函數(shù)原形：

       void strcpy( char *out, char *in );

　　為了將上面的聲明改成支持雙字節(jié)的 UNICODE 字符集，可以用下面的方法：

       wchar_t str[100]; 

     相應(yīng)的字符串的拷貝函數(shù)下面這樣聲明函數(shù)原形：

     void wcscpy ( wchar_t *out, wchar_t *in );

     這樣定義顯然比較麻煩，有幸的是Visual C++定義了一個(gè)“新”的數(shù)據(jù)類型TCHAR，這個(gè)類型會(huì)根據(jù)預(yù)處理宏指令轉(zhuǎn)換為相應(yīng)得字符集所需類型，也就是若定義了UNICODE,_UNICODE預(yù)處理宏指令了的話，TCAHR就是wchar_t,若定義了MBCS,_MBCS的話他就是char。同樣，MBCS字符串處理函數(shù)str*（…）都用_tcs*（…）替代，這樣就為編程帶來極大的方便。

     相應(yīng)的，字符串常量用_T()或TEXT()重寫。

     例如_T(“hello!”)或TEXT(“hello!”);

     或者直接在字符串常量前加L，例如L”hello!”。

     下表是數(shù)據(jù)類型在不同的編譯環(huán)境下所對(duì)應(yīng)的類型。

3.2　編譯器設(shè)置和文件存儲(chǔ)方式

3.2.1　編譯器設(shè)置

     利用UNICODE編程必須定義UNICODE,_UNICODE預(yù)處理宏指令，注意，這里的 UNICODE 和 _UNICODE 必須都要定義，那它們有什么區(qū)別呢？前者沒有下劃線，專門用于 Windows 頭文件；后者有一個(gè)前綴下劃線，專門用于 C 運(yùn)行時(shí)頭文件。

3.2.2　文件存儲(chǔ)格式

     如果在源文件中出現(xiàn)阿拉伯文就必須將存為UNICODE格式，否則文件在下一次打開后輸入阿文的地方會(huì)出現(xiàn)“？”，就是說如果文件存為ASCII的話，存儲(chǔ)的阿文字符無法識(shí)別。

     在Visual C++ 6.0的存儲(chǔ)格式?jīng)]有UNICODE存儲(chǔ)格式，可以用記事本等文本編輯工具將源文件打開選擇另存，并在格式康寶框中把格式選為Unicode即可。對(duì)于Visual C++ 7.0以上版本，在IDE中另存該文件并選擇編碼UNICODE（代碼頁(yè)1200）保存即可。

3.3　雙語界面的實(shí)現(xiàn)

     古老的方法是判斷程序中一個(gè)語言標(biāo)志變量，例如g_lang，利用該變量動(dòng)態(tài)的更改控件、對(duì)話框等資源的英/阿文的顯示，這對(duì)于大型軟件來說工作量是相當(dāng)大的。幸好，微軟提供了純資源的動(dòng)態(tài)鏈接庫(kù)，只要將資源文件編譯成英文的動(dòng)態(tài)鏈接庫(kù)eng.dll和阿文的動(dòng)態(tài)鏈接庫(kù)arb.dll，這樣在切換語言是卸載當(dāng)前庫(kù)，加載另一個(gè)語言庫(kù)就完成了雙語的實(shí)時(shí)切換。須在應(yīng)用程序類的InitInstance函數(shù)中加入如下代碼：

     if(g_lang=='a') //阿文界面

         m_hInstRes=::LoadLibrary(L"arb.dll");

     else          //英文界面

         m_hInstRes=::LoadLibrary(L"eng.dll");

     if (m_hInstRes == NULL)

     {

        AfxMessageBox(L"Cannot open Resource file(dll).");

        return FALSE; // failed to load the localized resources  

     }  

       else

       {

         AfxSetResourceHandle(m_hInstRes); // get resources from the DLL

       }

　　在ExitInstance()函數(shù)中加入：

　　　if(m_hInstRes)

        ::FreeLibrary(m_hInstRes);

這樣就實(shí)現(xiàn)了語言庫(kù)的加載。并用代碼在語言實(shí)時(shí)切換處動(dòng)態(tài)卸載，加載所需庫(kù)即可。

　　阿文純資源的動(dòng)態(tài)鏈接庫(kù)的編寫比較麻煩，因?yàn)閂isual C++的資源編輯器不支持UNICODE的字符輸入。用記事本或其它文本編輯軟件打開工程目錄下的資源文件（擴(kuò)展名為rc）仔細(xì)查看，發(fā)現(xiàn)都有code_page的定義，也就是說，它采用的是MBCS編碼，根據(jù)不同的代碼頁(yè)，將字符串轉(zhuǎn)化為當(dāng)前代碼頁(yè)所對(duì)應(yīng)的字符串。例如，當(dāng)code_page為1252（中文代碼頁(yè)）時(shí)，“論”顯示的就是“論”，而在code_page為936（英文代碼頁(yè)）時(shí)，，他將顯示的是亂碼。阿文（阿爾及利亞）的代碼是1256。

　　這就需要兩個(gè)WIN APIs 函數(shù)WideCharToMultiByte和MultiByteToWideChar，前者是將UNICODE轉(zhuǎn)化為MBCS，后者恰好相反，具體參數(shù)請(qǐng)參考MSDN。筆者作了個(gè)小裝換程序，在一個(gè)編輯框中輸入阿拉伯文（此時(shí)編碼為UNICODE），點(diǎn)擊轉(zhuǎn)換按鈕后轉(zhuǎn)化為該段阿拉伯字符的MBCS編碼，將這段“亂碼”copy到資源編輯器的相對(duì)應(yīng)的英文的位置上，即可正常顯示阿文了。

4　結(jié)語

　　綜上所述可以看到，編譯 UNICODE 版本的程序并不難，只是在編寫代碼時(shí)記住函數(shù)調(diào)用上細(xì)微的變化。微軟為此提供的擴(kuò)展使開發(fā)人員能夠以透明的方式選擇所用的字符集，為應(yīng)用軟件的國(guó)際化打開了方便之門。