为什么输入法输出的是CP936而不是UNICODE？

[iamjerrychu]

我用 谷歌拼音、微软拼音2003、极点五笔测试，发现两个问题，比较困惑，望高手解答。
1.输入法输出的字符是什么格式？在记事本、VC6的.cpp文件中输入字符通过ultraedit查看得到的都是CP936的代码，这是因为输入法直接输出的就是CP936还是因为编辑器改的？

2.在如下程序中，
int main ()
{
unsigned short* str = L"ÎÒû×í!";
//char* str = "ÎÒû×í!";
return 0;
}
注：这是直接从VC6贴进来的 乱码处为“我没醉！”，最后一个感叹号用英文输入法输入的。

我看了str的汇编，
在str为unsigned short*和char*时，汇编代码是一样的，但是内存却不一样：

在str为unsigned short*时：
asm:
40: unsigned short* str = L"ÎÒû×í!";
00401668 mov dword ptr [ebp-4],offset string L"\x6211\x6ca1\x9189!" (0042f020) //UNICODE
memory:
0042F020 11 62 A1 6C 89 91 21 .b¡l‰‘! //UNICODE
0042F027 00 00 00 00 00 50 08 .....P.

在str为char* 时：
asm:
41: char* str = "ÎÒû×í!";
00401668 mov dword ptr [ebp-4],offset string L"\x6211\x6ca1\x9189!" (0042f020) //UNICODE
memory:
0042F020 CE D2 C3 BB D7 ED 21 ÎÒû×í! //CP936
0042F027 00 00 00 00 00 50 08 .....P.


在1中我说过.cpp里面也是CP936，可是这里在asm里面都是UNICODE了，为什么？内存为什么又会是这样？

谢谢！！

[cnzdgs]

1、程序内部会自动转换成自己需要的代码页。
2、是你看错了，或者是调试器的问题。

[scq2099yt]

up

[cnzdgs]

输入法会向控件发送WM_CHAR、WM_IME_XXX等消息，如果控件使用的是Unicode，则收到的字符也是Unicode形式的；如果使用的是多字节，收到的字符就是多字节形式的。你可以自己调试跟踪一下这些消息。

[iamjerrychu]

谢谢二楼的回答，不过我还是没有完全搞清楚，能解释详细点么？尤其是输入法输出
谢谢！

[daohua]

MARK,对自己有用

[Mr-Chen]

[Quote=引用楼主 iamjerrychu 的帖子:]
我用 谷歌拼音、微软拼音2003、极点五笔测试，发现两个问题，比较困惑，望高手解答。
1.输入法输出的字符是什么格式？在记事本、VC6的.cpp文件中输入字符通过ultraedit查看得到的都是CP936的代码，这是因为输入法直接输出的就是CP936还是因为编辑器改的？

2.在如下程序中，
int main ()
{
unsigned short* str = L"ÎÒû×í!";
//char* str = "ÎÒû×í!";
return 0;
}
注：这是直接从VC6贴进来的 乱码处为“我…
[/Quote]

1、和具体的编辑器有关
2、你确定？
int main ()
{
unsigned short* str = L"ÎÒû×í!";
char* str = L"ÎÒû×í!";
return 0;
}
看看

[UltraBejing]

接分是王道！

[iamjerrychu]

不好意思各位，兄弟我不会忘记散分的。
这几天我查阅了一些资料，在这里打算做个总结，有说的不对的地方请指出：
Windows程序的窗口（控件）在注册的时候使用RegisterClass函数：
如果使用的是RegisterClassA，则在窗口处理函数中WM_CHAR消息的参数中，将会包含代码页相应的字符，如果换了代码页，则按下同一个键，收到的字符也会不同。当然，收到的虚拟键码（VK）是不会变化的，变化的只是VK到字符映射关系的改变。比如在代码页P0中，虚拟键码V0映射到字符C0，在P0中编码为0xXX，而在代码页P1中，V0映射到字符C1，在P1中编码为0xYY。
如果使用RegisterClassW函数注册的，则在WM_CHAR消息的参数中，将会是UNICDOE相应的字符，此时更换代码页是不会影响的。
我没有研究过WM_IME消息，我猜想是当前代码页为中日韩文时候，接收双字节字符用的吧，而此时WM_CHAR接收这些代码页中单字节的字符，如0-127编码的字符和代码页ISO-8859-1（ASCII的美国英语扩展）是兼容的。
所以，对于问题（1.）如果记事本、VC编辑器等都是使用RegisterClassA注册的，则直接将WM_CHAR和WM_IME过来的字符保存到文件；否则，得到当前系统的代码页，将受到的UNICODE字符转换到代码页中的编码，保存。
对于问题（2.）我要say sorry了，这是vc的一个BUG，我后来又恢复正常了，在str为char* 时，asm也是CP936.

顺便我要指出：char* str = L"ÎÒû×í!"; 是编译不过的，因为L会把后面的字符串转成unsigned short*类型，类型不匹配。

[cnzdgs]

差不多是这样，不过我感觉应该不是与RegisterClass有关，而是与CreateWindow有关，只是感觉而已，没有验证过。

[iamjerrychu]

从<<Programming windows>>的第6章找的：
How does the window procedure know whether this character data is 8-bit ANSI or 16-bit Unicode? It's simple: Any window procedure associated with a window class that you register with RegisterClassA (the ANSI version of RegisterClass) gets messages that contain ANSI character codes. Messages to window procedures that were registered with RegisterClassW (the wide-character version of RegisterClass) come with Unicode character codes. If your program registers its window class using RegisterClass, that's really RegisterClassW if the UNICODE identifier was defined and RegisterClassA otherwise.