怎样用C语言实现汉字和ASCII码到UNICODE码的转换?

汉字：[0x4e00,0x9fa5]（或十进制[19968,40869]）

用MultiByteToWideChar和WideCharToMultiByte可以做到编码的转换。

unicode字符_unicode字符大全unicode字符_unicode字符大全


unicode字符_unicode字符大全


unicode字符_unicode字符大全


int WideCharToMultiByte(

MultiByteToWideChar是一个windows API 函数，该函数映射一个字符串到一个宽字符（unicode）的字符串。函数原型：

字符是各种文字和符号的总称，包括各文字、标点符号、图形符号、数字等。全世界共使用5651种语言，其中使用人数超过5000万的语言有13种，每种语言有自己的字符。汉语中，一个汉字就是一个字符。英语中，一个字母就是一个字符。

UINT CodePage,

DWORD dwFlags,

LPCSTR lpMultiByteStr,

int cchMultiByte,

LPWSTR lpWideCharStr,

);参数：

CodePage：指定执行转换的字符集，这个参数可以为系统已安装或有效的任何字符集所给定的值。你也可以指定其为下面的任意一值：

CP_ACP：ANSI字符集；CP_MA：Macintosh代码页；CP_OEMCP：OEM代码页；

CP_UTF7：使用UTF-7转换；CP_UTF8：使用UTF-8转换。

dwFlags：一组位标记用以指出是否未转换成预作或宽字符（若组合形式存在），是否使用象形文字替代控制字符，以及如何处理无效字符。你可以指定下面是标记常量的组合，含义如下：

MB_PRECOMPOSED：通常使用预作字符——就是说，由一个基本字符和一个非空字符组成的字符只有一个单一的字符值。这是缺省的转换选择。不能与

MB_COMPOSITE值一起使用。

MB_COMPOSITE：通常使用组合字符——就是说，由一个基本字符和一个非空字符组成的字符分别有不同的字符值。不能与MB_PRECOMPOSED值一起使用。

MB_ERR_INVALID_CHARS：如果函数遇到无效的输入字符，它将运行失败，且GetLastErro返回ERROR_NO_UNICODE_TRANSLATION值。

MB_USEGLYPHCHARS：使用象形文字替代控制字符。

组合字符由一个基础字符和一个非空字符构成，每一个都有不同的字符值。每个预作字符都有单一的字符值给基础/非空字符的组成。在字符è中，e就是基础字符，而重音符标记就是非空字符。

函数的缺省动作是转换成预作的形式。如果预作的形式不存在，函数将尝试转换成组合形式。

标记MB_PRECOMPOSED和MB_COMPOSITE是互斥的，而标记MB_USEGLYPHCHARS和MB_ERR_INVALID_CHARS则不管其它标记如何都可以设置。

lpMultiByteStr：指向将被转换字符串的字符。

lpWideCharStr：指向接收被转换字符串的缓冲区。

cchWideChar：指定由参数lpWideCharStr指向的缓冲区的宽字符个数。若此值为零，函数返回缓冲区所必需的宽字符数，在这种情况下，lpWideCharStr中的缓冲区不被使用。返回值：

如果函数运行成功，并且cchWideChar不为零，返回值是由lpWideCharStr指向的缓冲区中写入的宽字符数；如果函数运行成功，并且cchWideChar为零，返回值是接收到待转换字符串的缓冲区所需求的宽字符数大小。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。它可以返回下面所列错误代码：

ERROR_INSUFFICIENT_BUFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

WideCharToMultiByte，该函数映射一个unicode字符串到一个多字节字符串。

函数原型：

UINT CodePage, //指定执行转换的代码页

DWORD dwFlags, //允许你进行额外的控制，它会影响使用了读音符号（比如重音）的字符

LPCWSTR lpWideCharStr, //指定要转换为宽字节字符串的缓冲区

int cchWideChar, //指定由参数lpWideCharStr指向的缓冲区的字符个数

LPSTR lpMultiByteStr, //指向接收被转换字符串的缓冲区

int cchMultiByte, //指定由参数lpMultiByteStr指向的缓冲区值

LPCSTR lpDefaultChar, //遇到一个不能转换的宽字符，函数便会使用pDefaultChar参数指向的字符

LPBOOL pfUsedDefaultChar //至少有一个字符不能转换为其多字节形式，函数就会把这个变量设为TRUE

);

参数：

CodePage：指定执行转换的代码页，这个参数可以为系统已安装或有效的任何代码页所给定的值。你也可以指定其为下面的任意一值：

CP_ACP：ANSI代码页；CP_MA：Macintosh代码页；CP_OEMCP：OEM代码页；

CP_SYMBOL：符号代码页（42）；CP_THREAD_ACP：当前线程ANSI代码页；

如果函数运行成功，并且cchMultiByte不为零，返回值是由 lpMultiByteStr指向的缓冲区中写入的字节数；如果函数运行成功，并且cchMultiByte为零，返回值是接收到待转换字符串的缓冲区所必需的字节数。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。它可以返回下面所列错误代码：

ERROR_INSUFFICIENT_BJFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

注意：指针lpMultiByteStr和lpWideCharStr必须不一样。如果一样，函数将失败，GetLastError将返回ERROR_INVALID_PARAMETER的值。

Windows CE：不支持参数CodePage中的CP_UTF7和CP_UTF8的值，以及参数dwFlags中的WC_NO_BEST_FIT_CHARS值。

什么是UNICODE

平面0也有一个专用区：0xE000-0xF8FF，有6400个码位。平面0的0xD800-0xDFFF，共2048个码位，是一个被称作区（Surrogate）的特殊区域。区的目的用两个UTF-16字符表示BMP以外的字符。在介绍UTF-16编码时会介绍。

Unicode是组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。UTF-8、UTF-116位的作系统（如：windows3.x,windows9x）内部使用的都是ansi字符，32位的作系统6、UTF-32都是将数字转换到程序数据的编码方案。

如果都没有定义，那么将使用单字节的ascii编码:

每个平面有2^16=65536个码位。Unicode使用了17个平面，一共有1765536=1114112个码位。在Unicode 5.0.0版本中，已定义的码位只有238605个，分布在平面0、平面1、平面2、平面14、平面15、平面16。其中平面15和平面16上只是定义了两个各占65534个码位的专用区（Private Use Area），分别是0xF0000-0xFFFFD和0x100000-0x10FFFD。所谓专用区，就是保留给大家放自定义字符的区域，可以简写为PUA。

如前所述在Unicode 5.0.0版本中，238605-655342-6400-2408=99089。余下的99089个已定义码位分布在平面0、平面1、平面2和平面14上，它们对应着Unicode目前定义的99089个字符，其中包括71226个汉字。平面0、平面1、平面2和平面14上分别定义了52080、3419、43253和337个字符。平面2的43253个字符都是汉字。平面0上定义了27973个汉字。

如何插入 Unicode 字符?

| 部首扩展 | 11Unicode字符集可以简写为UCS（Unicode Character Set）。早期的Unicode标准有UCS-2、UCS-4的说法。UCS-2用两个字节编码，UCS-4用4个字节编码。UCS-4根据位为0的字节分成2^7=128个group。每个group再根据次高字节分为256个平面（plane）。每个平面根据第3个字节分为256行 （row），每行有256个码位（cell）。group 0的平面0被称作BMP如果您已知字符代码，则可以直接在“字符代码”框中键入字符代码，以查找 Unicode 字符。显示在“字符代码”框前面的名称是使用 Unicode 3.0 标准的正式字符名称。单击要插入 Unicode 字符的位置。 在“插入”菜单上，单击“符号”，再单击“符号”选项卡。 在“字体”框中，单击所需的字体。 在“来自”框中，单击“Unicode”。 如果在“来自”框中，选中其他项，而不是选中 Unicode，则字符集受到限制。例如，如果选择本地代码页，而不是 Unicode，则在“符号”对话框中的字符集将相应的减少。如果“子集”框可用，请单击所需的子类别。 双击要插入的符号。 单击“关闭”。（Basic Multilingual Plane）。将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。5字 | 2E80-2EF3 |

常用Unicode编码

语言代码

unicode编码范围：

大写字母：[0x41,0x5a]（或十进制[65, 90]）

汉字编码范围:u4E00-u9FA5

双字节字符编码范围:u03-uFFE5

双字节字符编码范| 字符集 | 字数 | Unicode 编码 |围

汉字unicode编码表

| 基本汉字 | 20902字 | 4E00-9FA5 |

| 基本汉字补充 | 38字 | 9FA6-9FCB |

| 扩展A | 6582字 | 3400-4DB5 |

| 扩展B | 42711字 | 20000-2A6D6 |

| 扩展C | 4149字 | 2A700-2B734 |

| 扩展D | 222字 | 2B740-2B81D |

| 康熙部首 | 214字 | 2F00-2FD5 |

| 兼容扩展 | 542字 | 2F800-2FA1D |

| 部件扩展 | 452字 | E400-E5E8 |

| PUA增补 | 207字 | E600-E6CF |

| 汉字笔画 | 36字 | 31C0-31E3 |

| 汉字结构 | 12字 | 2FF0-2FFB |

|，我国还有gb2312和 注音扩展 | 22字 | 31A0-31BA |

| 〇 | 1字 | 3007 |

unicode在qq中如何使用?

cchMultiByte：指定由参数lpMultiByteStr指向的字符串中字节的个数。如果lpMultiByteStr指定的字符串以空字符终止，可以设置为-1（如果字符串不是以空字符中止，设置为-1可能失败，可能成功），此参数设置为0函数将失败。

问：什么是Unicode？

CP_SYMBOL：符号字符集（42）；CP_THREAD_ACP：当前线程ANSI代码页；

答：Unicode给每个字符提供了一个的数字，不论是什么平台，不论是什么程序，不论什么语言。Unicode标准已经被这些工业界的们所采用，例如：Apple, HP, IBM, JustSystem, Microsoft, Oracle, SAP, Sun, Sybase, Unisys和其它许多公司。的标准都需要Unicode，例如XML, Ja, ECMAScript (JaScript), LDAP, CORBA 3.0, WML等等，并且，Unicode是实现ISO/IEC 10646的正规方式。许多作系统，所有的浏览器和许多其他产品都支持它。Unicode标准的出现和支持它工具的存在，是近来全球软件技术最重要的发展趋势。

问：为什么使用Unicode？

答：基本上，计算机只是处理数字。它们指定一个数字，来储存字母或其他字符。在创造Unicode之前，有数百种指定这些数字的编码系统。没有一个编码可以包含足够的字符：例如，单单欧州共同体就需要好几种不同的编码来包括所有的语言。即使是单一种语言，例如英语，也没有哪一个编码可以适用于所有的字母，标点符号，和常用的技术符号。这些编码系统也会互相冲突。也就是说，两种编码可能使用相同的数字代表两个不同的字符，或使用不同的数字代表相同的字符。任何一台特定的计算机（特别是）都需要支持许多不同的编码，但是，不论什么时候数据通过不同的编码或平台之间，那些数据总会有损坏的危险。

问：举个例子吧。

答：比如，简体中文（GB）、繁体中文（BIG5）、日文中，“赵”都是一个字，但是编码不同。在不同的编码下，BIG5的赵是0xBBAF，而0xBBAF在GB里面就被显示为“化”，这就是乱码。而U一般使用2w基本汉字就够了nicode采用统一的编码，“赵”只有一个，不必管他在哪种文字里。

QQ爱好者真诚为你解答

通俗的讲，什么是unicode?

数字：[0x30,0x39]（或十进制[48, 57]）

通俗、简单地说，Unicode是一$name .= $c;种计算机的字符编码，通过它统一小写字母：[0x61,0x7a]（或十进制[97, 122]）、的编码规则，可以在计算机上表示出不同的文字和字符，它所涵盖的字符集，称为Unicode字符集。

显示unicode字符是什么意思

for ($j = 0; $j < count($matches[0]); $j++)

unicode是统的意思，一种

retval,| 兼容汉字 | 477字 | F900-FAD9 |

gb18030

乱码

unicode和ascii字符编码的区别

retval,

unicode是universal

为什么要对Unicode进行再编码，因为Unicode是一个定长的（编码字符.n）,这样的方式带来的麻烦就是:

code，这是一种编码标准，与我们通常所用的ansi最主要的区别在于一个

| 汉语注音 | 22字 | 3105-3120 |

unicode的字符型变量相当于两个字节长度（而不是ansi字符型变量的一个字节长度），它使用全

球范围的字符编码标准，就像汉字的编码所使用的gb标准一样。在winapi里面每一个涉及到字符

的函数都有两个版本，一个是为宽字符的变量设计的，另一个就是为ansi设计的。

(如：windowsnt,windows

ce)内部则使用unicode。

举例如下：

一段程序：

_tchar

szstring;

retval

=_tcsrev(szstring);

如果定义了mbcs，那么预处理的结果就是：

char

szstring;

retval

=_rev(szstring);

如果定义了_unicode，那么预处理的结果就是：

wchar_t

szstring;

retval

=_wcsrev(szstring);

char

szstring;

retval

=strrev(szstring);

所以说为了考虑将来程序的可移植性，以及程序的化，对字符的定义使用_tchar，并且

让所有对字符作的函数变成能够让编译器针对不同的预定义编码正确处理的函数，如_tc形式

的函数。

如何插入 Unicode 字符?

常见的编码格式有ASCII、ANCP_UTF7：使用UTF-7转换；CP_UTF8：使用UTF-8转换SI、GBK、GB2312、UTF-8，GB18030和UNICO，统是标准编码，是统一对世界上的字母、数字、符号，还有双字节的汉字、日文等进行编码，如果使用unicode的话，就不再会出现"DE等。对应的编码规则有单字节字符编码，ANSI编码和UNICODE编码等。

有关于字符集的问题，什么是Unicode，什么是UTF-8

int cchWideChar

Unicode是一个（编码字符集.n），它对应着一个专门为Unicode编码字符集收录字符的字库表。

retval,

一个Unicode编码对应着一个Unicode字库表中的字符，可以说一个Unicode编码就是一个字符在Unicode字库表中的序号【在字库表中排在第几个】。

(Unicode编码.n)是一个二进制数。

Unicode为了到达其包含全世界所有字符的目的，采用了多个字节表示一个字符的规则【四个字节】，一个字节八个位，一个位上可以有0和1两种状态，一个字节就可以有256状态，N个字节就可以256的N次方种状态，每一种状态对应一个二进制的数字，所以多个字节就可以表示更多的字符，进而使得字库表更大。

UTF-8是一种字符编码方案，它是对Unicode进行编码(也就是对二进制UTF-8字符编码方案决定了（Unicode编码.n）在计算机内的存储方式。数字进行编码)，字符编码方案将一个二进制数字映射成一个字节序列。

设二进制数值00000001是字符A的编码，它本身只需要一个字节就可以存储在计算机内，然而因为Unicode是定长4个字节，所以A得编码变成了00000000 00000000 00000000 00000001存储在计算机内需要四个字节，进而造成非常大的存储开销 ---- 如一块硬盘本来可以四个字符A，变成了只能存一个字符A。

所以既要使用到Unicode的大的字库表，又要节省存储空间，就需要对Unicode再编码，且是根据（Unicode编码.n）内容 不定长编码 --- UTF-8是一种对(Unicode编码.n)的不定长字符编码方案。

（Unicode编码.n）经过UTF-8字符编码方案编码之后也可以看做是一个新的二进制数字，（通常用十六进制数字字符表示这个新的二进制的值，它们直接的关系是这个十六进制字符表示的值 等于 这个二进制数字的值）。