Visual c++ Unicode和多字节文章的混淆

通过引用

有些人在政府的控制之下 对Unicode仅仅是一个 每个字符所用的16位代码 16位，因此有65536位 可能的字符。这不是,， 事实上，没错

读完整篇文章后，我的观点是，如果有人告诉你，他的文本是unicode的，你将不知道他的每个字符占用了多少内存空间。他必须告诉你，“我的unicode文本是用UTF-8编码的”，那么只有你知道他的每个字符占用了多少内存空间

Unicode=每个字符不需要2个字节

---

然而，说到和，这让我很困惑：

微软：

Unicode是一个16位字符 编码，提供足够的编码 适用于所有语言。所有ASCII码 字符包括在Unicode中，作为 “加宽”字符

---

代码项目：

Unicode字符集是“宽”字符集 字符集“（每个字符2字节） 包含每个字符的 提供各种语言版本，包括 所有技术符号和特殊符号 发布字符。多字节 字符集（MBCS）使用1或 每个字符2字节

Unicode=每个字符2个字节？

65536个可能的字符能够代表世界上所有的语言吗

为什么web开发者社区和桌面开发者社区的概念看起来不同？

很久以前

• Unicode在16位中只有尽可能多的字符，并且
• UTF-8不存在或不是要使用的实际编码

这些因素导致UTF-16（或者更确切地说，现在被称为UCS-2）被认为是“Unicode”的同义词，因为它毕竟是支持所有Unicode的编码

实际上，您将看到在“UTF-16”或“UCS-2”的含义中使用“Unicode”。这是一种历史的混乱，应该被忽视，而不是传播。Unicode是一组字符；UTF-8、UTF-16和UCS-2是不同的编码

---

（UTF-16和UCS-2之间的区别在于UCS-2是真正的每“字符”16位编码，因此只编码Unicode的“BMP”（基本多语言平面）部分，而UTF-16使用“代理项对”（总共32位）编码BMP字符以上。）

扩展@Kevin的答案：

描述是微软的帮助已经过时了，在NT3.5/4.0时间表中描述了世界的状态

您还会偶尔看到UTF-32和UCS-4也被提到，在*nix世界中最常见。UTF-32是UCS-4的一个子集的32位编码。描述了它们之间的区别

我发现描述各种编码模型的最佳参考是，尤其是第4节中的表

65536个可能的字符能够代表世界上所有的语言吗

没有

为什么web开发者社区和桌面开发者社区的概念看起来不同

因为Windows文档是错误的。我花了一段时间才弄明白。MSDN至少在两个地方指出Unicode是一种16位编码：

造成混乱的一个原因是Unicode一度是16位编码。发件人：

最初，Unicode和ISO10646标准都是固定宽度的，Unicode为16位

另一个问题是，今天在Windows API中，包含utf-16编码字符串数据的字符串通常使用宽字符数组表示，每个字符长度为16位。尽管如此，Windows API支持两个16位字符类型的代理项对，以表示一个Unicode代码点

---

查看有关混淆来源的更详细信息。

OK。因此，在上面的内容中，unicode表示“以UTF-16编码的unicode”，它不需要每个字符16位，而且可以超过16位。我说的对吗？UTF-16确实不是固定宽度编码，因为它使用了代理对您必须从其他来源或实验中确定他们称为“Unicode”的数据实际上是UTF-16（可以有替代项并表示所有Unicode）还是UCS-2（不能有替代项；只能表示Unicode的BMP部分）。-我没有关于术语“MBCS”的信息。唯一正确的建议是Unicode是一组代码点。UCS-2或UTF-16是这些代码点的编码。然后读取代码点，并在屏幕上显示为字符。虽然简体中文中的一个字符可能由许多代码点组成，但Utf-16取代了UCS-2（不是同一件事）。