第2章，[标签 Win32] ：char 数据类型与 Unicode 字符

专栏导航

上一篇：第2章 ：Unicode 由来简述

回到目录

下一篇：无

本节前言

本节，我们来讲解 char 数据类型与宽字符。在上一节，我们说了，在我们的专栏里，宽字符与 Unicode 字符，我们将它俩看作是同义语。

说是要来讲解这两种数据类型，实际上呢，我们真正想要让大家理解的东西，还是 Unicode 字符的概念。

一.    英特尔处理器的小端字节序

这个呢，其实是一种额外的知识点。不难，相信大家能学会。

我们来给出下面的一段代码。

unsigned int num = 0x10203040;
unsigned char * p = (char*)#

在上面的代码里，我们将指针 p 的值，设置为 unsigned int 型变量 num 的地址。不过呢，p 不是无符号整型指针，而是无符号字符型指针。 

在这样的基础上，我们来想一想，p[0]，p[1]，p[2]，p[3] 里面分别存储着什么。

可以采取两种办法来 num 的值 0x10203040 。

第一种呢，p[0] = 0x10，p[1] = 0x20，p[2] = 0x30, p[3] = 0x40 。

第二种，p[0] = 0x40，p[1] = 0x30，p[2] = 0x20, p[3] = 0x10 。

不论是哪一种方式，显然地，p[0] 的地址小于 p[1] 的地址。也就是，p[0]，p[2]，p[2]，p[3] 之中，p[0] 位于低地址，p[3] 位于高地址。

第一种存储方式的思路是，存储某一个数的时候，高位字节存储在低地址里面，低位字节存储在高地址里面。这种存储方式，叫做大端字节序，或者叫做大尾数。

第二种存储方式的思路是，存储某一个数的时候，低位字节存储在低地址里面，高位字节存储在高地址里面。这种存储方式，叫做小端字节序，也叫做小尾数。

英特尔处理器，采用的，便是小端字节序。

也就是说，我们无论是使用 C 语言，还是使用 C++，C#，在某一个多字节的变量里面存储数据的时候，都是将低位字节存储在低地址里面，将高位字节存储在高地址里面。

有了这样的基础知识以后，我们接着往下学习。

二.    char 型字符与 Unicode 字符

Unicode 字符，或者说，宽字符，它是基于 wchar_t 类型的。这个数据类型被定义在多个头文件之中。其中的一个头文件，便是 Wchar.h 头文件。定义代码如下所示。

typedef unsigned short wchar_t;

因此，wchar_t 数据类型和无符号短整型一样，都是 16 位宽。

与 wchar_t 相比，char 型与 unsigned char 型的长度就短了一些，它是 8 位宽。

下面的代码分别用 char 型变量和 wchar_t 型变量来存储单个字符。

char ch;
wchar_t wch;
ch = 'a';
wch = 'a';

上面的代码，分别用 char 型变量 ch 和 wchar_t 型变量 wch 存储了字符 'a' 的编码。

字符 'a' 的ASCII 码为 0x61，Unicode 字符集中，对应于英文字符的部分，与 ASCII 码是相同的。所以呢，char 型变量里面，ch 的值为 0x61 。wchar_t 型变量里面，wch 的值也是 0x61 。

只是，由于 char 型变量占据 8 位，而 wchar_t 型变量占用 16 位，所以呢，ch 里面的值为 0x61，而 wch 里面的值为 0x0061 。由于英特尔处理器是小端字节序，所以呢，在内存里面，wch 的存储方式为：0x61，0x00 。  

对一个 wchar_t 型的变量赋予某一个英文字符的时候，你当然可以像上面的代码块中所示的那样子，直接将某一个字符用一对单引号括起来，然后将其赋给等号左边的 wchar_t 类型的变量。

然而，为了严谨一些，你也可以在左边的单引号之前，加上一个大写字母 L 。如下面的代码所示。

wchar_t wch;
wch = L't';

注意，在书写，大写字母 L 与左单引号之间，没有空格，是紧挨着的。

加上了 L 前缀之后的字符，被解释为宽字符，占用 16 位。不加的话，那么，它就是一个 8 位的字符了。

在你自己的代码中，你可以给一个宽字符变量赋值的时候，L 前缀可以加，也可以不加。

这是因为，如果不加的话，无非就是将一个普通的 char 型字符的 ASCII 码，赋给一个 unsigned short 类型的变量而已。编译器会进行自动类型转换，在转换的时候，会自动将 char 类型的数据扩充为 unsigned short 类型的数据。

到了这里，char 型字符与宽字符，我们就算是讲完了。

三.    char 型字符串与 Unicode 字符串

我们看下面的代码。

char str[] = "Hello";
wchar_t wstr[] = L"Hello";

如上面的代码块所示，我们在对 char 型字符串进行初始化的时候，我们用的是不加 L 前缀的 "Hello" 。而在对 Unicode 字符串进行初始化的时候，我们用的是加上 L 前缀的 "Hello" 。

在对字符串进行初始化的时候，前缀 L 就必须要认真地对待了。给 char 型字符串初始化的时候，一定不要加 L 前缀。而在给 Unicode 字符串初始化的时候，一定要加上 L 前缀。

这是因为，如果加上了 L 前缀，这就相同于告诉了编译器，我们想要用两个字节来表示字符串中的每一个字符。若是不加 L 前缀，这就相同于告诉了编译器，我们想要用一个字节来表示字符串中的每一个字符。

也就是，str 字符串的内存排布方式为：'H'，'e'，'l'，'l'，'o'，'\0' 。

而 wstr 字符串的内存排布方式为：'H'，'\0'，'e'，'\0'，'l'，'\0'，'l'，'\0'，'o'，'\0'，'\0'，'\0' 。

以上两种字符串的排布方式中，每一个小片段，都是 1 字节。

str[1] 里面是字符 'e'，或者 ASCII 码 0x65 。而 wstr[1]里面，存储的是 0x0065 。也就是说，char 型字符数组里面的每一个元素，都是一个单字节的字符的 ASCII 码。而 Unicode 字符数组里面的每一个元素，都是一个 2 字节的宽字符的 ASCII 码。

sizeof(str) 的结果为 6，而 sizeof(wstr) 的结果为 12 。给 sizeof 操作符里面传递一个 数组名参数，则返回的，会是这个数组的字节尺寸。对于未指定长度的字符数组来讲，它是会包含结尾的 NUL 字符的。

就目前的学习阶段来讲，如果大家给宽字符串，或者 Unicode 字符串进行初始化的时候，千万不要忘记添加 L 前缀。

结束语

本节的内容就这么多。多看几遍，你应该是能看懂的。

专栏导航

上一篇：第2章 ：Unicode 由来简述

回到目录

下一篇：无