寫了n年程式，近來在字串上栽了。:( 認真的研究了一些關於字串的文章，在此記下。
許多關於字串的問題，在文章最後的參考文章中，相信有更加深入和精確的描述。不過關於中文的處理，我想先補充一些自己的看法。
背景：win32 console程式，使用printf輸出字串。相信許多人都有使用過。
平台：visualstudio.*** 2003（mfc 7.1）。
mbcs
unicode
蔡b2 cc
21 85
a41 00
41 00
程式段1：使用std::string
#include
以上**，不管使用mbcs還是_unicode編譯，得到的結果都是一樣的。因為string (實際上是basic_string)不會自動進行從mbcs到unicode的轉換。所以使用printf或者wprintf輸出即可。前提當然是你的系統需要支援中文。
讓我們把**修改一下，希望可以輸出字串的內容：
outputdebugstring實際上就是atltrace（）最後呼叫的函式，該函式向visualstudio的output視窗輸出，而printf和wprintf向console視窗輸出。最後的結果如何？outputdebugstringw輸出的是怪字元！！why？？ s1.c_str()傳遞給outputdebugstringw和wprintf不是都是內容相同的lpcwstr嗎？
1）因為outputdebugstringw的字串必須是真正unicode編碼的字串，而不是所有的const wchar_t*（即lpcwstr）都可以得到正確結果。在這裡s1雖然使用wchar_t型別，但是實際的內容卻是mbcs編碼。
2）反之亦然：crt的wprintf只支援mbcs編碼的字串，而不能是unicode編碼的字串。在程式段2我們可以看到真正的unicode編碼的字串。
這是我多年來的乙個誤區：wchar_t型別的字串就是unicode字串。實際應該理解為unicode是16位的字符集，可以使用wchar_t型別進行儲存。
程式段2：使用cstring
請看程式後面的說明。
1.// start: ***pile with_unicode ///
2.5.
8.11.
14.17.
20.// end: ***pile with _unicode ///
21.// start: ***pile with_mbcs ///
22.25.
28.31.
34.37.
40.// end: ***pile with _mbcs ///
1）對於英文本母『a』，mbcs和unicode的結果都是一樣的
2）line 15.
cstring s1 (l"
蔡"); // b2 00 cc 00 00 00
得到的還是mbcs的字串，只是增加了0作為trail byte。而不是我理解的unicode字串！這是我多年來的另外乙個誤區：_t在_unicode下轉換為l，而l後面的字串是unicode編碼。在參考資料msdn的「
」中（以及msdn的許多地方），可以看到類似的說明：
一般文字資料型別對映
一般文字資料型別名
未定義 _unicode 或 _mbcs
已定義_mbcs
已定義 _unicode
_tchar
char
char
wchar_t
_tint
int
int
wint_t
_tschar
signed char
signed char
wchar_t
_tuchar
unsigned char
unsigned char
wchar_t
_txchar
char
unsigned char
wchar_t
_t或_text
無效（由預處理器移除）
無效（由預處理器移除）
l（將後面的字元或字串轉換成相應的 unicode 形式）
實際上l"***"只是通知編譯器，我們需要的是wchar_t型別的字串，而不能影響編碼。
真正的unicode字串在**？
3）line 12：
等同於cstringw s1 ("
蔡"); // 21 85 00 00
我們看到，得到了真正的unicode 字串。因為cstring（在mfc 7.1中，不存在mfc的cstring，實際上由atl::cstringt通過typedef定義而得）的建構函式，在這裡實際上是cstringw的建構函式，根據輸入的引數是char型別字串，會自動呼叫multibytetowidechar轉換mbcs字串為unicode字串。
4）相應line 12，那麼line 35得到的結果32 a8 ac 00是什麼？和line 12類似：
cstring建構函式，在這裡實際上是cstringa的建構函式，根據輸入的引數是wchar_t型別字串，會自動呼叫widechartomultibyte轉換unicode字串為mbcs字串。但是根據2），我們知道，輸入的引數不是unicode字串，只是mbcs的wchar_t型別字串，所以得到的是錯誤的編碼。
總結以上，可知：
1）crt不能生成和處理unicode型別字串，對於wchar_t型別字串，只能處理mbcs編碼；
2）vc runtime中帶w字尾的函式，和所有的***函式，對於wchar_t型別字串，只能處理unicode編碼；
3）如果不考慮輸出，只是進行拷貝、比較等操作，只要注意_t的含義和字串的字元型別長度就可以了；但是如果需要輸出，必須注意字串的編碼轉換。
4）使用unicode或者mbcs的編譯選項，只是影響字串的字元型別（自動識別_t，cstring等，自動把函式轉換為***xa()或者***xw()），不影響字串的編碼。下表的**結果不受編譯選項影響（這也是編譯器處理_t，cstring等後的結果）：
cstringa s = "***"; // 等於 ca2a("***")
結果為sbcs（單位元組編碼）
printf()正確
outputdebugstringa()正確
cstringw s = "***"; // 等於 ca2w("***")
結果為unicode編碼
wprintf()錯誤
outputdebugstringw()正確
cstringa s ＝ l"***"; // 等於 cw2a(l"***")
結果為mbcs編碼（可能錯誤）
printf()錯誤
outputdebugstringa()錯誤
cstringw s = l"***"; // 等於 cw2w("***")
不改變字串的編碼，仍然是mbcs。
wprintf()正確
outputdebugstringw()錯誤
疑問：我認為對於cw2w是由系統編碼決定，可以直接得到unicode嗎？
關於cw2a，如果後面的字串的確是unicode編碼，則可以得到正確的相應mbcs編碼字串。實際上，這也是我們要輸出unicode的方法：
cstringw s = "蔡"; // s 現在是unicode編碼
// wprintf(s)不正確
cw2a psz(s); // psz現在是s相應的正確的mbcs編碼！
printf(psz); // 正確
// all is ok, a little more to say
ca2w wsz(psz); // wsz現在是psz的錯誤的unicode編碼，即32 a8 ac 00
推薦參考資料
c++字串完全指引之一 —— win32 字元編碼
c++字串完全指引之二 —— 字串封裝類
其它一篇
stl 字串類與 unicode
當然，少不了msdn
補充 C 字串完全指引 htm
寫了n年程式，近來在字串上栽了。認真的研究了一些關於字串的文章，在此記下。許多關於字串的問題，在文章最後的參考文章中，相信有更加深入和精確的描述。不過關於中文的處理，我想先補充一些自己的看法。背景 win32 console程式，使用printf輸出字串。相信許多人都有使用過。平台 visualst...
補充 C 字串完全指引 htm
寫了n年程式，近來在字串上栽了。認真的研究了一些關於字串的文章，在此記下。許多關於字串的問題，在文章最後的參考文章中，相信有更加深入和精確的描述。不過關於中文的處理，我想先補充一些自己的看法。背景 win32 console程式，使用printf輸出字串。相信許多人都有使用過。平台 visualst...
C 字串完全指引 htm
寫了n年程式，近來在字串上栽了。認真的研究了一些關於字串的文章，在此記下。許多關於字串的問題，在文章最後的參考文章中，相信有更加深入和精確的描述。不過關於中文的處理，我想先補充一些自己的看法。背景 win32 console程式，使用printf輸出字串。相信許多人都有使用過。平台 visualst...