说说字符集
03-8-8 18:02 by leezy_2000
由于作者是美国人的缘故，我发现Windows下的几本名著（如《Windows程序设计》，Jeffrey Richter的《Windows 核心编程》）对字符集的讲解都不甚透彻。现在这里对一些易让人迷惑的问题进行澄清，并指明一些编程时容易出错的问题（我自己就犯过）。
先解释几个概念：
字符集：根据编码特性而分，字符集可分为三类。
l 窄字符集（SBCS） 每个代码由一个字节进行表示，比如ANSI。
l 多字节字符集（MBCS） 字符集中的代码或者是单字节，或者是多字节，比如DBCS，GB2312等。
l 宽字节字符集 字符集中每个字符由两个字节表示。比如UNICODE
代码页：在UNICODE和DBCS中由于包含的代码十分多，为了使用方便就需要对这些代码进行组织。组织的方法就是把不同国家的代码分别放入不同的代码页。
字符集与代码页的关系：由上可知，对于UNICODE和DBCS，代码页是从属于字符集的。但对于SBCS类的字符集（比如ANSI）和DBCS之外的MBCS字符集（比如GB2312等）他们则只对应于一个代码页。
下面看一段潜在有问题的程序：
void ConverAndOutputString(HDC hdc,LPWSTR wstr, int length,int x,int y)
{
int nret;
int sizebuffer= 2*length;
char* lpBuffer=new char[sizebuffer];
nret=WideCharToMultiByte(CP_ACP,0,wstr , length,
lpBuffer, sizebuffer ,NULL,NULL);
TextOut(hdc,x,y, lpBuffer,nret);
delete[]lpBuffer;
}
这段程序很简单，只是把一个宽字符串转为DBCS串而后按指定的坐标进行输出。Jeffrey Richter在他的《Windows核心编程》中的第26页也用几乎的相同的方法进行字符串转换。但这段程序其实是有问题的。问题出在转换字符串时不应该硬编码指定代码页，而应该根据当前字体进行动态获取。否则在某些情况下将无法把wstr中的UNICODE字符转换到正确的代码。如果你用上述代码进行中文输出，你将很有幸看到很多问号被自动添加到你的字符串中。
解决的办法也很简单，但首先你要熟悉如下两个个API函数：
int GetTextCharset(HDC hdc);//这个API用来得到当前字体的字符集。
BOOL TranslateCharsetInfo(
DWORD* pSrc, // information
LPCHARSETINFO lpCs, // character set information
DWORD dwFlags // translation option
);
这个函数可以把字符集、代码页和FONTSIGNATURE互相转换。转换后的信息
放在lpCS中。dwFlags指明需要进行那种转换，是把字符集转换到代码页还是其他。
特别需要注意的是，pSRC参数，这个参数在你进行字符集到代码页转换的时候，需
要的是一个具有指针类型的值而非指向某个值的指针。因此对上述字符串输出函数你
只要加上如下两行，就可以保证字符串在转换期间不会遇到找不到字符代码的情况。
void ConverAndOutputString(HDC hdc,LPWSTR wstr, int length,int x,int y)
{
int nret;
int sizebuffer= 2*length;
char* lpBuffer=new char[sizebuffer];
int charset=GetTextCharset(hDC);
CHARSETINFO csinfo={0};
TranslateCharsetInfo((DWORD*)charset,&csinfo,TCI_SRCCHARSET);
nret=WideCharToMultiByte(csinfo. .ciACP,0,wstr , length,
lpBuffer, sizebuffer ,NULL,NULL);
TextOut(hdc,x,y, lpBuffer,nret);
delete[]lpBuffer;
}
最后总结一下，这篇文章的主题就是在做字符集间的转换时，一定要动态确定代码页。
所涉及函数和结构的进一步细节请参考MSDN。
