winapi - Windows API : ANSI and Wide-Character Strings -- Is it UTF8 or ASCII? UTF-16 还是 UCS-2 LE？

Question

我不是很擅长编码，但这是我认为我知道的(尽管它可能是错误的):

ASCII 是一种 7 位、固定长度的编码，其字符可以在 ASCII 图表中找到。

UTF8 是一种 8 位可变长度编码。所有字符都可以用 UTF8 编写。

UCS-2 LE/BE 是固定长度的 16 位编码，支持最常见的字符。

UTF-16 是一种 16 位、可变长度的编码。所有字符都可以用 UTF16 书写。

以上这些都是正确的吗？

现在，对于问题:

Windows“A”函数(如 SetWindowTextA )是否接受 ASCII 字符串？或者“多字节字符串”(下面有更多问题)？

Windows“W”函数接受 UTF-16 字符串还是 UCS-2 字符串？我以为他们接受 UCS-2，但名字让我感到困惑。

在 WideCharToMultiByte ，Microsoft 使用“宽字符串”一词来表示 UTF-16。在这种情况下，什么被认为是“多字节字符串”？ UTF-8？

是 LPWSTR “宽字符串”？我会说它是，但是，那不就意味着它是 UTF-16 吗？难道这不意味着它可以用来显示 4 字节字符吗？如果没有，那么……显示 4 字节字符是不可能的吗？ (Windows 似乎没有这些 API。)

是WideCharToMultiByte的功能wcstombs 的超集, 它们都处理相同类型的字符串吗？或者说，一个在 UTF-16 上工作，而另一个在 UCS-2 上工作？

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 C 标准，如 fwprintf 等函数，有没有标准化的编码？

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？

(我还有更多问题，但这已经足够了……我还是忘记了其中的一些……)

这些问题很多，因此任何有关所有这些如何连接的解释的链接(除了阅读 Unicode 标准，无论如何这对 Windows API 没有帮助)也将不胜感激。

谢谢!

Answer 1

Are those above all correct?

是的，如果您不假设存在未以 Unicode 编码的字符(对于大多数实际应用程序，此假设很好)。

Do the Windows "A" functions (like SetWindowTextA) take in ASCII strings? Or "multi-byte strings" (more questions on this below)?

它们采用以当前“ANSI”/MBCS/legacy 编码方式编码的字节字符串(即，其代码单元为字节的字符串，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。对于西方的 Windows 系统，这种编码通常是 Windows-1252。

Do the Windows "W" functions take in UTF-16 strings or UCS-2 strings? I thought they take in UCS-2, but the names confuse me.

从 Windows 2000 开始，大多数都支持 UTF-16。在现代 Unicode 标准统一术语之前，选择了名称“宽”和其他 Microsoft 术语(例如，“Unicode”表示“UTF-16”或“UCS”)。

In WideCharToMultiByte, Microsoft uses the word "wide-character string" to mean UTF-16. In that context, then what is considered a "multi-byte string"? UTF-8?

WideCharToMultiByte 的所有其他编码在此上下文中支持是“多字节编码”，包括 Windows-1251 和 UTF-8。

Is LPWSTR a "wide-character string"? I would say it is, but then, wouldn't that mean it's UTF-16? And wouldn't that mean that it could be used to display, say, 4-byte characters? If not, then... is displaying 4-byte characters impossible? (Windows doesn't seem to have APIs for those.)

LPWSTR是指向 wchar_t 的指针在 Windows 上它总是一个 16 位无符号整数。可以显示哪些字符与编码无关，只要该编码可以编码所有 Unicode 字符即可。 Windows 通常能够显示非 BMP 字符，但不能在任何地方显示(例如，控制台不能)。

Is the functionality of WideCharToMultiByte a superset of that of wcstombs, and do they both work on the same type of string? Or does one, say, work on UTF-16 while the other works on UCS-2?

不知道，但我不认为他们有太大区别。我想您只是尝试将一些非 BMP 字符转换为 UTF-8 并查看结果是否正确。

Are file paths in UTF-16 or UCS-2? I know Windows treats it as an "opaque array of characters" from Microsoft's documentation, but per the C standard for functions like fwprintf, is there any standardized encoding?

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执行任何类型的转换(如 Linux，与 Mac OS X 不同)。但是 Windows 仍然有其奇怪的大部分未定义的不区分大小写的行为，这会导致很多麻烦，因为被视为等效的文件名不一定相等。这打破了许多不变量；例如在Linux上不受其他线程干扰，如果成功创建了两个文件A和 a在某些目录中，您最终会得到两个不同的文件，而在 Windows 上，您只会得到一个文件(通常，文件数量不可预测)。

What is "ANSI" encoding? Is that even a correct term? And how does it relate to ASCII?

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，但很常见，所以你应该意识到这一点。我更喜欢旧版 8 位编码这个术语，因为我认为它本质上是这样的:一种非 Unicode 编码，仅用于与旧版 (Windows 9x) 应用程序兼容。在西方系统上，这通常是 Windows-1252，它是 ASCII 的正确超集。