C++編程語言應用方式靈活，可以幫助開發人員輕松的實現許多功能需求。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。大家可以通過這一方法來充分掌握這方面的應用技巧。
一 引入問題
代碼 wchar_t a[3]=L”中國”，編譯時出錯，出錯信息為：數組越界。但wchar_t 是一個寬字節類型，數組a的大小應為6個字節，而兩個漢字的的unicode碼占4個字節，再加上一個結束符，最多6個字節，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，字數極多現代漢字中僅常用字就有六、七千個，總字數高達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，漢字在計算機內如何表示和存儲？如何與西文兼容？最後，如何將漢字的處理結果從計算機內輸出？
為此，必須將漢字代碼化，即對漢字進行編碼。對應於上述漢字處理過程中的輸入、內部處理及輸出這三個主要環節，每一個漢字的編碼都包括輸入碼、交換碼、內部碼和字形碼。在計算機的漢字信息處理系統中，處理漢字時要進行如下的代碼轉換：輸入碼→交換碼→內部碼→字形碼。
(1)輸入碼： 作用是，利用它和現有的標准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) 數字編碼：數字編碼是用等長的數字串為漢字逐一編號，以這個編號作為漢字的輸入碼。例如，區位碼、電報碼等都屬於數字編碼。
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：用於漢字外碼和內部碼的交換。交換碼的國家標准代號為GB2312-80。
(3)內部碼：內部碼是漢字在計算機內的基本表示形式，是計算機對漢字進行識別、存儲、處理和傳輸所用的編碼。內部碼也是雙字節編碼，將國標碼兩個字節的最高位都置為"1"，即轉換成漢字的內部碼。
(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，用來實現計算機對漢字的輸出顯示、打印）。
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...都是基於GB2312的，如果漢字的內碼不是這種編碼方式，那麼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，後面的字符並不經常為用戶所使用，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，就將每兩個字符並在一塊(即一個漢字占兩個字節)，顯然，94* 94 =8836基本上已經滿足了常用漢字個數的要求。計算機處理字符時，當連續處理到兩個大與160(或-95~-1)的字節時，就認為這兩個字節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"<<endl;
- flag = 0;
- }
- else
- {
- flag++;
- }
- }
- else if(input[i] == 0)
- {
- break;
- }
- else
- {
- cout<<"english character"<<endl;
- }
- }
輸入：Hello中國 “中國”對應的GB2312內碼為：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。可以設想，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，如果沒有相應的內碼庫，則對韓語字符的顯示有可能出現亂碼。
我個人猜測，vc安裝程序中應該帶有不同國家的內碼庫，這樣一來肯定會占用很大的空間。如果所有的國家使用統一的編碼方式，且所有的程序設計語言和開發工具都支持這種編碼方式該多好！而現實中，確實已經有這種編碼方式了，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。
