Windows上MBCS和UTF-8的区别
我正在阅读有关Windows上的字符集和编码。 我注意到在Visual Studio编译器（用于C ++）中有两个名为MBCS和UNICODE的编译器标志。 他们有什么区别？ 我没有得到的是UTF-8如何在概念上与MBCS编码不同？ 另外，我在MSDN中find下面的引用：
Unicode是一个16位字符编码
这就否定了我所读到的有关Unicode的内容。 我以为unicode可以编码不同的编码，如UTF-8和UTF-16。 有人可以更多地了解这种混乱吗？
我注意到在Visual Studio编译器（用于C ++）中有两个名为MBCS和UNICODE的编译器标志。 他们有什么区别？
Windows API中的许多函数有两个版本：一个采用char参数（在特定于语言环境的代码页中），另一个采用wchar_t参数（UTF-16）。
int MessageBoxA(HWND hWnd, const char* lpText, const char* lpCaption, unsigned int uType); int MessageBoxW(HWND hWnd, const wchar_t* lpText, const wchar_t* lpCaption, unsigned int uType);
每个函数对都有一个没有后缀的macros，这取决于是否定义了UNICODEmacros。
#ifdef UNICODE #define MessageBox MessageBoxW #else #define MessageBox MessageBoxA #endif
为了使这个工作， TCHARtypes被定义为抽象出API函数使用的字符types。
#ifdef UNICODE typedef wchar_t TCHAR; #else typedef char TCHAR; #endif
但是，这是一个坏主意 。 您应该始终明确指定字符types。
我没有得到的是UTF-8如何在概念上与MBCS编码不同？
MBCS代表“多字节字符集”。 对于字面意思，似乎UTF-8将有资格。
但在Windows中，“MBCS”只是指可与“A”版Windows API函数一起使用的字符编码。 这包括代码页932（Shift_JIS），936（GBK），949（KS_C_5601-1987）和950（Big5），但不是 UTF-8。
要使用UTF-8，必须使用MultiByteToWideChar将string转换为UTF-16，调用函数的“W”版本，并在输出中调用WideCharToMultiByte 。 这实际上是“A”function实际上做什么，这让我想知道为什么Windows不只是支持UTF-8 。
这种无法支持最常见的字符编码使得Windows API的“A”版本无用。 因此，您应该始终使用“W”function 。
Unicode是一个16位字符编码
这就否定了我所读到的有关Unicode的内容。
MSDN是错误的。 Unicode是一种具有多种编码的21位编码字符集，最常见的是UTF-8，UTF-16和UTF-32。 （还有其他Unicode编码，例如GB18030，UTF-7和UTF-EBCDIC。
每当微软提到“Unicode”，他们的确是指UTF-16（或UCS-2）。 这是历史原因。 Windows NT是Unicode的早期采用者，当16位被认为对每个人都是足够的时候，而UTF-8只在Plan 9上使用。所以UCS-2 是 Unicode。
_MBCS和_UNICODE是macros来确定调用哪个版本的TCHAR.H例程。 例如，如果使用_tcsclen来计算string的长度，则预处理器会根据_tcsclen和_UNICODE这两个macros将_tcsclen映射到不同的版本。
_UNICODE & _MBCS Not Defined: strlen _MBCS Defined: _mbslen _UNICODE Defined: wcslen
为了解释这些string长度计数函数的差异，请考虑以下示例。
如果你有一个使用GBK（936代码页）运行Windows简体中文版的电脑盒，你可以编译一个gbk文件编码的源文件并运行它。
printf("%d\n", _mbslen((const unsigned char*)"I爱你M")); printf("%d\n", strlen("I爱你M")); printf("%d\n", wcslen((const wchar_t*)"I爱你M"));
结果将是4 6 3 。
这里是GBK中I爱你M的hex表示。
GBK: 49 B0 AE C4 E3 4D 00
_mbslen知道这个string是用GBK编码的，所以它可以正确地解释string并得到正确的结果4字： 49 ， I ， B0 AE ， 爱 ， C4 E3 你 ， M 。
strlen只知道0x00 ，所以得到6 。
wcslen认为这个hexdeciaml数组是用UTF16LE编码的，它将两个字节作为一个字来计算，所以得到3字： 49 B0 ， AE C4 ， E3 4D 。
正如@xiaokaoy所指出的那样， wcslen唯一有效的终结者是00 00 。 因此，如果后面的字节不是00 ，结果不保证为3 。
MBCS表示多字节字符集，并描述字符编码（可能）超过1个字节的任何字符集。
ANSI / ASCII字符集不是多字节。
但是， UTF-8是一个多字节编码。 它将任何Unicode字符编码为1，2，3或4个八位字节（字节）的序列。
但是，UTF-8只是Unicode字符集的几种可能的具体编码之一。 值得注意的是，UTF-16是另外一个，恰好是Windows / .NET（IIRC）使用的编码。 以下是UTF-8和UTF-16的区别：
-
UTF-8将任何Unicode字符编码为1，2，3或4字节的序列。
-
UTF-16将大多数Unicode字符编码为2个字节，有些则为4个字节。
因此，Unicode是16位字符编码是不正确的。 它相当于21位编码（甚至更多），因为它包含了代码点U+000000到U+10FFFF的字符集。
作为其他答案的脚注，MSDN 在TCHAR.H中有一个文档Generic-Text Mappings，其中总结了预处理器指令_UNICODE和_MBCS如何更改不同C / C ++types的定义。
对于“Unicode”和“多字节字符集”的措辞，人们已经描述了效果。 我只想强调，这两个人都是微软公司为一些非常具体的事情发言。 （也就是说，如果来自非微软特定的文本国际化理解，那么它们就意味着某种不那么一般和更特别的Windows。）那些精确的短语出现并倾向于得到自己独立的章节/小节Microsoft技术文档，例如在Visual C ++中的文本和string
