《WINDOWS程序设计》（019）2.1 字符集简史-2.1.4 双字节字符集

兰陵月

2.1.4  双字节字符集

    迄今为止，我们一直在看256个字符的字符集。但是，像中文、日文和韩文的象形文字约有21 000个字符。怎样来融合这些语言而同时保持与ASCII有着某种程序的兼容性呢？

    答案（如果这样说是对的话）在于双字节字符集（DBCS）。DBCS一开始就是256个代码，就像ASCII一样。和其他规范的代码页一样，前128个代码是ASCII。但是，较高的128个代码中有些还跟随有第二个字节。这两个字节（称为前导字节和尾随字节）在一起代表一个单独的字符，常常是一个复杂的象形文字。

    虽然中文汉字、日文和韩文共享许多相同的象形文字，但显然这些语言是不同的，往往同样的象形文字在三种语言中代表着不同的东西。Windows支持四种不同的双字节字符集：代码页932（日文）、936（简体中文）、949（韩文）以及950（繁体中文）。DBCS只有在为这些国家制造的Windows版本上才被支持。

    双字节字符集的问题不在于字符是由两个字节组成的。问题是有些字符（特别是ASCII字符）是由一个字节组成的。这就导致了奇怪的编程问题。例如，一个字符串的字符长度不能因字节数量而决定。字符串的长度要解析后才能判断，每个字节都要被检查是不是双字节的前导字节。如果你有一个指针指向一个DBCS字符串的中间，那前一个字符的地址是什么呢？常规做法是回到字符串的开始，一直解析到指针的位置！