2字符和字符串处理.docxVIP

第2章 U n i c o d e 随着M i c r o s o f t 公司的Wi n d o w s 操作系统在全世界日益广泛的流行，对于软件开发人员来说，将目标瞄准国际上的各个不同市场，已经成为一个越来越重要的问题。美国的软件版本比国际版本提前6 个月推向市场，这曾经是个司空见惯的现象。但是，由于各国对Wi n d o w s 操作系统提供了越来越多的支持，因此就更加容易为国际市场生产各种应用软件，从而缩短了软件的美国版本与国际版本推出的时间间隔。 Wi n d o w s 操作系统始终不逾地提供各种支持，以帮助软件开发人员进行应用程序的本地化工作。应用软件可以从各种不同的函数中获得特定国家的信息，并可观察控制面板的设置，以确定用户的首选项。Wi n d o w s 甚至支持不同的字体，以适应应用的需要。 之所以将这一章放在本书的开头，是因为考虑到U n i c o d e 是开发任何应用程序时要采用的基本步骤。本书的每一章中几乎都要讲到关于U n i c o d e 的问题，而且书中给出的所有示例应用程序都是“用U n i c o d e 实现的”。如果你为Microsoft Windows 2000 或Microsoft Windows CE 开发应用程序，你应该使用U n i c o d e 进行开发。如果你为Microsoft Windows 98 开发应用程序，你必须对某些问题作出决定。本章也要讲述Windows 98 的有关问题。 2.1 字符集 软件的本地化要解决的真正问题，实际上就是如何来处理不同的字符集。多年来，许多人一直将文本串作为一系列单字节字符来进行编码，并在结尾处放上一个零。对于我们来说，这已经成了习惯。当调用s t r l e n 函数时，它在以0 结尾的单字节字符数组中返回字符的数目。 问题是，有些文字和书写规则（比如日文中的汉字就是个典型的例子）的字符集中的符号太多了，因此单字节（它提供的符号最多不能超过2 5 6 个）是根本不敷使用的。为此出现了双字节字符集（D B C S ），以支持这些文字和书写规则。 2.1.1 单字节与双字节字符集 在双字节字符集中，字符串中的每个字符可以包含一个字节或包含两个字节。例如，日文中的汉字，如果第一个字符在0 x 8 1 与0 x 9 F 之间，或者在0 x E 0 与0 x F C 之间，那么就必须观察下一个字节，才能确定字符串中的这个完整的字符。使用双字节字符集，对于程序员来说简直是个很大的难题，因为有些字符只有一个字节宽，而有些字符则是两个字节宽。 如果只是调用s t r l e n 函数，那么你无法真正了解字符串中究竟有多少字符，它只能告诉你到达结尾的0 之前有多少个字节。A N S I 的C 运行期库中没有配备相应的函数，使你能够对双字节字符集进行操作。但是，Microsoft Visual C++的运行期库却包含许多函数，如_ m b s l e n ,它可以用来操作多字节（既包括单字节也包括双字节）字符串。 为了帮助你对D B C S 字符串进行操作，Wi n d o w s 提供了下面的一组帮助函数(见表2 - 1 )。前两个函数CharNext 和Char Prev 允许前向或逆向遍历DBCS 字符串，方法是每次一个字符。第三个函数IsDBCSLeadByte, 在字节返回到一个两字字节符的第一个字节时将返回T R U E 。 表2-1 对D B C S 字符串进行操作的帮助函数 函数 描述 PTSTR CharNext(PCTSTR pszCurrentChar); 返回字符串中的下一个字符的地址 PTSTR CharPrev (PCTSTR pszStart,PCTSTR p s z C u r r e n t C h a r); 返回字符串中的上一个字符的地址 BOOL IsDBCSLeadByteTRUE(BYTE bTestChar); 如果该字节是DBCS 字符的第一个字节，则返回 　 尽管这些函数使得我们对D B C S 的操作更容易，但还需要，一个更好的方法让我们来看看U n i c o d e 。 2.1.2 Unicode ：宽字节字符集 U n i c o d e 是A p p l e 和X e r o x 公司于1 9 8 8 年建立的一个技术标准。1 9 9 1 年，成立了一个集团机构负责U n i c o d e 的开发和推广应用。该集团由A p p l e 、C o m p a q 、H P 、I B M 、M i c r o s o f t 、O r a c l e 、Silicon Graphics, Inc.、S y b a s e 、U n i s y s 和X e r o x 等公司组成