C++編程語(yǔ)言應(yīng)用方式靈活，可以幫助開發(fā)人員輕松的實(shí)現(xiàn)許多功能需求。今天為大家介紹的C++中文字符的相關(guān)處理，就可以以多種方式來實(shí)現(xiàn)。大家可以通過這一方法來充分掌握這方面的應(yīng)用技巧。#t#

一 引入問題

代碼 wchar_t a[3]=L”中國(guó)”，編譯時(shí)出錯(cuò)，出錯(cuò)信息為：數(shù)組越界。但wchar_t 是一個(gè)寬字節(jié)類型，數(shù)組a的大小應(yīng)為6個(gè)字節(jié)，而兩個(gè)漢字的的unicode碼占4個(gè)字節(jié)，再加上一個(gè)結(jié)束符，最多6個(gè)字節(jié)，所以應(yīng)該不會(huì)越界。難道是編譯器出問題了？

二 解決引入問題所需的知識(shí)

主要需兩方面的知識(shí)，第一個(gè)為字符尤其是漢字的編碼，以及語(yǔ)言和工具的支持情況，第二個(gè)是vc/c++中MutiByte Charater Set 和 Wide Character Set有關(guān)內(nèi)存分配的情況.

三 漢字的編碼方式及在vc/c++中的處理

1.漢字編碼方式的介紹

對(duì)英文字符的處理，7位ASCII碼字符集中的字符即可滿足使用需求，且英文字符在計(jì)算機(jī)上的輸入及輸出也非常簡(jiǎn)單，因此，英文字符的輸入、存儲(chǔ)、內(nèi)部處理和輸出都可以只用同一個(gè)編碼（如ASCII碼）。

而在C++中文字符處理中，漢字是一種象形文字，字?jǐn)?shù)極多（現(xiàn)代漢字中僅常用字就有六、七千個(gè)，總字?jǐn)?shù)高達(dá)5萬(wàn)個(gè)以上），且字形復(fù)雜，每一個(gè)漢字都有"音、形、義"三要素，同音字、異體字也很多，這些都給漢字的的計(jì)算機(jī)處理帶來了很大的困難。要在計(jì)算機(jī)中處理漢字，必須解決以下幾個(gè)問題：首先是漢字的輸入，即如何把結(jié)構(gòu)復(fù)雜的方塊漢字輸入到計(jì)算機(jī)中去，這是漢字處理的關(guān)鍵；其次，漢字在計(jì)算機(jī)內(nèi)如何表示和存儲(chǔ)？如何與西文兼容？最后，如何將漢字的處理結(jié)果從計(jì)算機(jī)內(nèi)輸出？

為此，必須將漢字代碼化，即對(duì)漢字進(jìn)行編碼。對(duì)應(yīng)于上述漢字處理過程中的輸入、內(nèi)部處理及輸出這三個(gè)主要環(huán)節(jié)，每一個(gè)漢字的編碼都包括輸入碼、交換碼、內(nèi)部碼和字形碼。在計(jì)算機(jī)的漢字信息處理系統(tǒng)中，處理漢字時(shí)要進(jìn)行如下的代碼轉(zhuǎn)換：輸入碼→交換碼→內(nèi)部碼→字形碼。

(1)輸入碼： 作用是，利用它和現(xiàn)有的標(biāo)準(zhǔn)西文鍵盤結(jié)合來輸入漢字。輸入碼也稱為外碼。主要?dú)w為四類：

a) 數(shù)字編碼：數(shù)字編碼是用等長(zhǎng)的數(shù)字串為漢字逐一編號(hào)，以這個(gè)編號(hào)作為漢字的輸入碼。例如，區(qū)位碼、電報(bào)碼等都屬于數(shù)字編碼。

b) 拼音碼：拼音碼是以漢字的讀音為基礎(chǔ)的輸入辦法。

c) 字形碼：字形碼是以漢字的字形結(jié)構(gòu)為基礎(chǔ)的輸入編碼。例如，五筆字型碼（王碼）。

d) 音形碼：音形碼是兼顧漢字的讀音和字形的輸入編碼。

(2)交換碼：用于漢字外碼和內(nèi)部碼的交換。交換碼的國(guó)家標(biāo)準(zhǔn)代號(hào)為GB2312-80。

(3)內(nèi)部碼：內(nèi)部碼是漢字在計(jì)算機(jī)內(nèi)的基本表示形式，是計(jì)算機(jī)對(duì)漢字進(jìn)行識(shí)別、存儲(chǔ)、處理和傳輸所用的編碼。內(nèi)部碼也是雙字節(jié)編碼，將國(guó)標(biāo)碼兩個(gè)字節(jié)的最高位都置為"1"，即轉(zhuǎn)換成漢字的內(nèi)部碼。

(4)字形碼：字形碼是表示漢字字形信息（漢字的結(jié)構(gòu)、形狀、筆劃等）的編碼，用來實(shí)現(xiàn)計(jì)算機(jī)對(duì)漢字的輸出（顯示、打?。?/p>

2.VC中漢字的編碼方式

C++中文字符的處理正是采用了GB2312內(nèi)部碼作為漢字的編碼方式,因此vc/c++中的各種輸入輸出方法，如cin/wcin,cout/wcout,scanf/wsanf,printf/wprintf...都是基于GB2312的，如果漢字的內(nèi)碼不是這種編碼方式，那么利用上述各種方法就不會(huì)正確的解析漢字。

仔細(xì)觀察ASCII字符表，從第161個(gè)字符開始，后面的字符并不經(jīng)常為用戶所使用，負(fù)值也未使用。GB2312編碼方式充分利用這一特性，將161-255（-95~-1）之間的數(shù)值空間作為漢字的標(biāo)識(shí)碼。既然255-161 = 94不能滿足漢字容量的要求，就將每?jī)蓚€(gè)字符并在一塊(即一個(gè)漢字占兩個(gè)字節(jié))，顯然，94* 94 =8836基本上已經(jīng)滿足了常用漢字個(gè)數(shù)的要求。計(jì)算機(jī)處理字符時(shí)，當(dāng)連續(xù)處理到兩個(gè)大與160(或-95~-1)的字節(jié)時(shí)，就認(rèn)為這兩個(gè)字節(jié)存放了一個(gè)漢字字符?？梢杂孟旅娴腄emo程序來模擬vc/c++中輸出漢字字符的過程。

unsigned char input[50];  
cin>>input;  
int flag=0;  
for(int i =0 ;i < 50 ;i++)  
{  
if(input[i] > 0xa0 && input[i] != 0)  
{  
if(flag == 1)  
{  
cout<<"chinese character"<<endl;  
flag = 0;  
}  
else  
{  
flag++;  
}  
}  
else if(input[i] == 0)  
{  
break;  
}  
else   
{  
cout<<"english character"<<endl;  
}  
} 

輸入：Hello中國(guó) （“中國(guó)”對(duì)應(yīng)的GB2312內(nèi)碼為：214 208，185 250），輸出：

english character  
english character  
english character  
english character  
english character  
chinese character  
chinese character 

vc/c++中的英文字符仍然采用ASCII編碼方式?？梢栽O(shè)想，其他國(guó)家程序員利用vc/c++編寫程序輸入本國(guó)字符時(shí)，vc/c++則會(huì)采用該國(guó)的字符編碼方式來處理這些字符。問題又產(chǎn)生了，韓國(guó)的vc/c++程序在中國(guó)的vc/c++上運(yùn)行時(shí)，如果沒有相應(yīng)的內(nèi)碼庫(kù)，則對(duì)韓語(yǔ)字符的顯示有可能出現(xiàn)亂碼。

我個(gè)人猜測(cè)，vc安裝程序中應(yīng)該帶有不同國(guó)家的內(nèi)碼庫(kù)，這樣一來肯定會(huì)占用很大的空間。如果所有的國(guó)家使用統(tǒng)一的編碼方式，且所有的程序設(shè)計(jì)語(yǔ)言和開發(fā)工具都支持這種編碼方式該多好！而現(xiàn)實(shí)中，確實(shí)已經(jīng)有這種編碼方式了，且許多新的語(yǔ)言也都支持這種編碼方式，如Java、C#等，它就是下面的Unicode編碼。

以上就是對(duì)C++中文字符的相關(guān)概念介紹。