Windows API：ANSI和宽字符串 - 是UTF8还是ASCII？ UTF-16或UCS-2 LE？

Question

我不太喜欢编码，但这是我认为我知道的（虽然它可能是错的）：

1. ASCII是一种7位固定长度编码，您可以在ASCII图表中找到这些字符。
2. UTF8是一种8位可变长度编码。所有字符都可以用UTF8编写。
3. UCS-2 LE / BE是固定长度的16位编码，支持最常见的字符。
4. UTF-16是一种16位可变长度编码。所有字符都可以用UTF16编写。

这些都是正确的吗？

现在，对于问题：

1. Windows“A”函数（如SetWindowTextA）是否采用ASCII字符串？或“多字节字符串”（下面有更多问题）？
2. Windows“W”功能是否采用UTF-16字符串或UCS-2字符串？我认为他们接受了UCS-2，但名字让我感到困惑。
3. 在WideCharToMultiByte中，Microsoft使用“宽字符串”一词表示UTF-16。在那种情况下，那么什么被认为是“多字节字符串”？ UTF-8？
4. LPWSTR是“宽字符串”吗？我会说它是，但那么，这不意味着它是UTF-16吗？并不意味着它可以用于显示4字节字符？如果没有，那么...显示4字节字符是不可能的？ （Windows似乎没有那些API。）
5. WideCharToMultiByte的功能是wcstombs的超集，它们是否都在相同类型的字符串上工作？或者说，一个工作在UTF-16上，而另一个工作在UCS-2上？
6. 文件路径是UTF-16还是UCS-2？我知道Windows将其视为Microsoft文档中的“不透明字符数组”，但根据fwprintf等函数的C标准，是否有任何标准化编码？
7. 什么是“ANSI”编码？这甚至是一个正确的术语吗？它与ASCII有什么关系？
8. （我有更多问题，但这已经足够了......无论如何我忘记了其中一些......）

这些是很多问题，所以任何关于所有这些连接的解释的链接（除了阅读Unicode标准，无论如何都不会对Windows API有帮助）也将非常感激。

谢谢！

Answer 1

  

这些都是正确的吗？

是的，如果你不假设存在未用Unicode编码的字符（对于大多数实际应用，这个假设很好）。

  

Windows“A”函数（如SetWindowTextA）是否采用ASCII字符串？或“多字节字符串”（下面有更多问题）？

它们采用当前“ANSI”/ MBCS / legacy编码编码的字节字符串（即，代码单位为字节的字符串，在Windows上始终为八位字节）。 “ANSI”是这些编码的历史术语，但不正确。对于Western Windows系统，此编码通常是Windows-1252。

  

Windows“W”功能是否采用UTF-16字符串或UCS-2字符串？我认为他们接受了UCS-2，但名字让我感到困惑。

自Windows 2000以来，大多数都支持UTF-16。在现代Unicode标准统一术语之前，选择了“wide”这个名称以及Microsoft术语的其余部分（例如“Unicode”，意思是“UTF-16”或“UCS”）。

  

在WideCharToMultiByte中，Microsoft使用“宽字符串”一词表示UTF-16。在那种情况下，那么什么被认为是“多字节字符串”？ UTF-8？

WideCharToMultiByte支持的每个其他编码在此上下文中都是“多字节编码”，包括Windows-1251和UTF-8。

  

LPWSTR是“宽字符串”吗？我会说它是，但那么，这不意味着它是UTF-16吗？并不意味着它可以用于显示4字节字符？如果没有，那么...显示4字节字符是不可能的？ （Windows似乎没有那些API。）

LPWSTR是指向wchar_t的指针，它始终是Windows上的16位无符号整数。只要该编码可以编码所有Unicode字符，哪些字符可以显示与编码无关。 Windows通常能够显示非BMP字符，但不能显示任何地方（例如，控制台不能）。

  

WideCharToMultiByte的功能是wcstombs的超集，它们是否都在相同类型的字符串上工作？或者说，其中一个工作在UTF-16上，而另一个工作在UCS-2上？

不知道，但我不认为它们有太大差异。我想你只是尝试将一些非BMP字符转换为UTF-8并查看结果是否正确。

  

文件路径是UTF-16还是UCS-2？我知道Windows将其视为Microsoft文档中的“不透明字符数组”，但根据fwprintf等函数的C标准，是否有任何标准化编码？

文件路径确实是UTF-16字符的不透明数组，这意味着Windows在存储或读取文件名时不会执行任何类型的转换（如Linux和Mac OS X）。但是Windows仍然有其奇怪的大多数未定义的不区分大小写的行为，这会导致很多麻烦，因为处理等效的文件名不一定相等。这打破了许多不变量;例如，在没有其他线程干扰的Linux上，如果在某个目录中成功创建了两个文件A和a，则最终会得到两个不同的文件，而在Windows上只能得到一个文件（一般来说，文件数量不可预测）。

  

什么是“ANSI”编码？这甚至是一个正确的术语吗？它与ASCII有什么关系？

ANSI是美国的标准化组织。在提到编码时使用这个词是用词不当，但是经常使用，所以你应该知道它。我更喜欢术语传统的8位编码，因为我认为它本质上是这样的：非Unicode编码只保留与传统（Windows 9x）应用程序的兼容性。在Western系统中，这通常是Windows-1252，它是ASCII的正确超集。

Answer 2

1. *函数使用活动的ANSI代码页。

2. * W功能使用UTF-16。

3. 多字节是指在CodePage参数中传递的任何内容。它通常是活动的ANSI代码页或UTF-8。

4. LPWSTR是一个UTF-16字符串，可能会也可能不会以空值终止（请参阅MSDN）

5. 我对wcstombs一无所知，我总是使用WideCharToMultiByte。

6. 文件路径为UTF-16。事实上，所有文本都是Windows内部的UTF-16。

7. 对于ANSI编码，您需要详细阅读。你可以做的比从Wikipedia开始更糟糕，并按照那里的链接。

我希望有帮助，如果我有任何错误，任何了解更多的人请编辑此内容以纠正错误！

Answer 3

广泛的字符串曾经是UCS-2。在Windows 2000中，宽字符串是UTF-16。很高兴知道您是否需要维护一些旧的遗留系统。

Answer 4

首先，您会在this SO topic中找到大量信息。

ASCII是一个字符集，而不是编码。现在，有许多8位字符集，其中一个在系统中被设置为默认值（您可以在区域设置中更改它）。 *函数接受该字符集中的8位字符。 UTF-8不是字符集，而是Unicode字符集的编码。 *据我所知，W功能使用UTF-16而不是UCS-2。