C语言中的宽字符串的使用

copy：http://luckybirdtom.blog.hexun.com/40835185_d.html



通过设置区域可以格式化字符、日期和为货币显示格式为本地。C语言支持这些特性使得C语言可以直接支持中文。C语言中的宽字符与多字节字符的简介可以参考后面的介绍。
unicode宽字符串使用方法如下：包含头文件#include<locale.h>，程序初始处写语句setlocale(LC_ALL, "Chinese"); 声明变量时应该在字符串前加上L wchar_t ws[100] = L"俄罗斯russia"; 一般的字符串处理函数都换成以wcs开头的版本， printf("%d\n", wcslen(ws) ); 则会输出9(“俄罗斯”算三个字符）。如果printf的格式串使用的是宽字符串，则应该使用wprintf。相关的其他一些函数还有有wctomb，wcstombs ,mbstowcs,mbtowc在两种字符串之间转换。
这样就可以直接处理中文字符串了，不会出现将一个中文汉字当成两个字母处理所出现的种种问题。
下面是一段示例代码（在vc60环境下使用）

#include<stdio.h>
#include<string.h>
#include<locale.h>
#include<stdlib.h>
#include<time.h>

int main()
{
    setlocale(LC_ALL, "Chinese");   //设置为中文本地化
    wchar_t s[100]=L"俄罗斯123";    //初始化时在字符串前加L
    char a[100]="中国China";
    mbstowcs(s,a,100);              //多字符字符串转为宽字符串
    printf("%d\n", sizeof(wchar_t));//每个字符占2字节
    printf("%d\n", strlen(a));//str开头是多字节字符串函数 计算长度时一个汉字算2
    printf("%d\n", wcslen(s));//wcs开头是宽字符串函数 一个汉字长度算1
    printf("%S\n", s);//注意使用大写的S

//下面是一段帮助文档中的示例代码 在中文模式下显示当地的时间

    time_t ltime;
    struct tm *thetime;
    unsigned char str[100];

    time (&ltime);
    thetime = gmtime(&ltime);

    /* %#x is the long date representation, appropriate to
     * the current locale    */

    //setlocale(LC_ALL, "Chinese");
    if (!strftime((char *)str, 100, "%#x",(const struct tm *)thetime))
        printf("strftime failed!\n");
    else
        printf("In Chinese locale, strftime returns '%s'\n", str);

    /* Set the locale back to the default environment */
    setlocale(LC_ALL, "C");
    time (&ltime);
    thetime = gmtime(&ltime);

    if (!strftime((char *)str, 100, "%#x", (const struct tm *)thetime))
        printf("strftime failed!\n");
    else
        printf("In 'C' locale, strftime returns '%s'\n", str);

    return 0;
}

wide character (http://en.wikipedia.org/wiki/Wide_character)
Wide character is a computer programming term. It is a vague term used to represent a datatype that is richer than the traditional (8-bit) characters. It is not the same thing as Unicode.

wchar_t is a data type in ANSI/ISO C and some other programming languages that is intended to represent wide characters.
The Unicode standard 4.0 says that
"ANSI/ISO C leaves the semantics of the wide character set to the specific implementation but requires that the characters from the portable C execution set correspond to their wide character equivalents by zero extension."
and that
"The width of wchar_t is compiler-specific and can be as small as 8 bits. Consequently, programs that need to be portable across any C or C++ compiler should not use wchar_t for storing Unicode text. The wchar_t type is intended for storing compiler-defined wide characters, which may be Unicode characters in some compilers."
Under Win32, wchar_t is 16 bits wide and represents a UTF-16 code unit. On Unix-like systems wchar_t is commonly 32 bits wide and represents a UTF-32 code unit.
In ANSI C library header files, <wchar.h> and <wctype.h> deal with the wide characters.
什么是C语言中的宽字符与多字节字符

来源：www.dzsc.com/data/html/2008-9-12/69107.html

　　C语言原本是在英文环境中设计的，主要的字符集是7位的ASCII码，8位的byte（字节）是最常见的字符编码单位。但是国际化软件必须能够表示不同的字符，而这些字符数量庞大，无法使用一个字节编码。

　　C95标准化了两种表示大型字符集的方法：宽字符（wide character，该字符集内每个字符使用相同的位长）以及多字节字符（multibyte character，每个字符可以是一到多个字节不等，而某个字节序列的字符值由字符串或流（stream）所在的环境背景决定）。

　　自从1994年的增补之后，C语言不只提供char类型，还提供wchar_t类型（宽字符），此类型定义在stddef.h 头文件中。wchar_t指定的宽字节类型足以表示某个实现版本扩展字符集的任何元素。

　　在多字节字符集中，每个字符的编码宽度都不等，可以是一个字节，也可以是多个字节。源代码字符集和运行字符集都可能包含多字节字符。多字节字符可以被用于字符的常量、字符串字面值（string literal）、标识符（identifier）、注释（comment），以及头文件。

　　C语言本身并没有定义或指定任何编码集合，或任何字符集（基本源代码字符集和基本运行字符集除外），而是由其实现指定如何编码宽字符，以及要支持什么类型的多字节字符编码机制。

　　虽然C标准没有支持Unicode字符集，但是许多实现版本使用Unicode转换格式UTF-16和UTF-32来处理宽字符。如果遵循Unicode标准，wchar_t类型至少是16或32位长，而wchar_t类型的一个值就代表一个Unicode字符。

　　UTF-8是一个由Unicode Consortium（万国码联盟）定义的实现，可以表示Unicode字符集的所有字符。UTF-8字符所使用的空间大小从一个字节到四个字节都有可能。

　　多字节字符和宽字符（也就是wchar_t）的主要差异在于宽字符占用的字节数目都一样，而多字节字符的字节数目不等，这样的表示方式使得多字节字符串比宽字符串更难处理。比方说，即使字符'A'可以用一个字节来表示，但是要在多字节的字符串中找到此字符，就不能使用简单的字节比对，因为即使在某个位置找到相符合的字节，此字节也不见得是一个字符，它可能是另一个不同字符的一部分。然而，多字节字符相当适合用来将文字存储成文件。

　　C提供了一些标准函数，可以将多字节字符转换为wchar_t，或将宽字符转换为多字节字符。比方说，如果C 编译器使用Unicode 标准的UTF-16 和UTF-8，那么下面调用wctomb()函数就可以获得字符的多字节表示方式（注：wctomb = wide character to multibyte）。