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

一 引入問題

代碼 wchar_t a[3]=L”中國”，編譯時出錯，出錯信息為：數(shù)組越界。但wchar_t 是一個寬字節(jié)類型，數(shù)組a的大小應為6個字節(jié)，而兩個漢字的的unicode碼占4個字節(jié)，再加上一個結束符，最多6個字節(jié)，所以應該不會越界。難道是編譯器出問題了？

二 解決引入問題所需的知識

主要需兩方面的知識，第一個為字符尤其是漢字的編碼，以及語言和工具的支持情況，第二個是vc/c++中MutiByte Charater Set 和 Wide Character Set有關內(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，且英文字符在計算機上的輸入及輸出也非常簡單，因此，英文字符的輸入、存儲、內(nèi)部處理和輸出都可以只用同一個編碼（如ASCII碼）。

而在C++中文字符處理中，漢字是一種象形文字，字數(shù)極多（現(xiàn)代漢字中僅常用字就有六、七千個，總字數(shù)高達5萬個以上），且字形復雜，每一個漢字都有"音、形、義"三要素，同音字、異體字也很多，這些都給漢字的的計算機處理帶來了很大的困難。要在計算機中處理漢字，必須解決以下幾個問題：首先是漢字的輸入，即如何把結構復雜的方塊漢字輸入到計算機中去，這是漢字處理的關鍵；其次，漢字在計算機內(nèi)如何表示和存儲？如何與西文兼容？最后，如何將漢字的處理結果從計算機內(nèi)輸出？

為此，必須將漢字代碼化，即對漢字進行編碼。對應于上述漢字處理過程中的輸入、內(nèi)部處理及輸出這三個主要環(huán)節(jié)，每一個漢字的編碼都包括輸入碼、交換碼、內(nèi)部碼和字形碼。在計算機的漢字信息處理系統(tǒng)中，處理漢字時要進行如下的代碼轉換：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)有的標準西文鍵盤結合來輸入漢字。輸入碼也稱為外碼。主要歸為四類：

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

b) 拼音碼：拼音碼是以漢字的讀音為基礎的輸入辦法。

c) 字形碼：字形碼是以漢字的字形結構為基礎的輸入編碼。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。交換碼的國家標準代號為GB2312-80。

(3)內(nèi)部碼：內(nèi)部碼是漢字在計算機內(nèi)的基本表示形式，是計算機對漢字進行識別、存儲、處理和傳輸所用的編碼。內(nèi)部碼也是雙字節(jié)編碼，將國標碼兩個字節(jié)的最高位都置為"1"，即轉換成漢字的內(nèi)部碼。

(4)字形碼：字形碼是表示漢字字形信息（漢字的結構、形狀、筆劃等）的編碼，用來實現(xiàn)計算機對漢字的輸出（顯示、打?。?。

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正確的解析漢字。

仔細觀察ASCII字符表，從第161個字符開始，后面的字符并不經(jīng)常為用戶所使用，負值也未使用。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識碼。既然255-161 = 94不能滿足漢字容量的要求，就將每兩個字符并在一塊(即一個漢字占兩個字節(jié))，顯然，94* 94 =8836基本上已經(jīng)滿足了常用漢字個數(shù)的要求。計算機處理字符時，當連續(xù)處理到兩個大與160(或-95~-1)的字節(jié)時，就認為這兩個字節(jié)存放了一個漢字字符。可以用下面的Demo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"<
  
  
  
flag = 0; 
  
  
  
} 
  
  
  
else 
  
  
  
{ 
  
  
  
flag++; 
  
  
  
} 
  
  
  
} 
  
  
  
else if(input[i] == 0) 
  
  
  
{ 
  
  
  
break; 
  
  
  
} 
  
  
  
else  
  
  
  
{ 
  
  
  
cout<<"english character"<
  
  
  
} 
  
  
  
}
 
 
 

輸入：Hello中國 （“中國”對應的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想，其他國家程序員利用vc/c++編寫程序輸入本國字符時，vc/c++則會采用該國的字符編碼方式來處理這些字符。問題又產(chǎn)生了，韓國的vc/c++程序在中國的vc/c++上運行時，如果沒有相應的內(nèi)碼庫，則對韓語字符的顯示有可能出現(xiàn)亂碼。

我個人猜測，vc安裝程序中應該帶有不同國家的內(nèi)碼庫，這樣一來肯定會占用很大的空間。如果所有的國家使用統(tǒng)一的編碼方式，且所有的程序設計語言和開發(fā)工具都支持這種編碼方式該多好！而現(xiàn)實中，確實已經(jīng)有這種編碼方式了，且許多新的語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C++中文字符的相關概念介紹。

網(wǎng)站名稱：C++中文字符相關應用方法詳解
路徑分享：http://uogjgqi.cn/article/dhdgphs.html