一 引入問題
代碼 wchar_t a[3]=L”中國”，編譯時出錯，出錯信息為：數組越界。但wchar_t 是一個寬字節類型，數組a的大小應為6個字節，而兩個漢字的的unicode碼占4個字節，再加上一個結束符，最多6個字節，所以應該不會越界。難道是編譯器出問題了？
二 解決引入問題所需的知識
主要需兩方面的知識，第一個為字符尤其是漢字的編碼，以及語言和工具的支持情況，第二個是vc/c++中MutiByte Charater Set 和 Wide Character Set有關內存分配的情況.
三 漢字的編碼方式及在vc/c++中的處理
1.漢字編碼方式的介紹
對英文字符的處理，7位ASCII碼字符集中的字符即可滿足使用需求，且英文字符在計算機上的輸入及輸出也非常簡單，因此，英文字符的輸入、存儲、內部處理和輸出都可以只用同一個編碼（如ASCII碼）。
而漢字是一種象形文字，字數極多（現代漢字中僅常用字就有六、七千個，總字數高達5萬個以上），且字形復雜，每一個漢字都有"音、形、義"三要素，同音字、異體字也很多，這些都給漢字的的計算機處理帶來了很大的困難。要在計算機中處理漢字，必須解決以下幾個問題：首先是漢字的輸入，即如何把結構復雜的方塊漢字輸入到計算機中去，這是漢字處理的關鍵；其次，漢字在計算機內如何表示和存儲？如何與西文兼容？最后，如何將漢字的處理結果從計算機內輸出？
為此，必須將漢字代碼化，即對漢字進行編碼。對應于上述漢字處理過程中的輸入、內部處理及輸出這三個主要環節，每一個漢字的編碼都包括輸入碼、交換碼、內部碼和字形碼。在計算機的漢字信息處理系統中，處理漢字時要進行如下的代碼轉換：輸入碼→交換碼→內部碼→字形碼。
(1)輸入碼： 作用是，利用它和現有的標準西文鍵盤結合來輸入漢字。輸入碼也稱為外碼。主要歸為四類：
a) 數字編碼：數字編碼是用等長的數字串為漢字逐一編號，以這個編號作為漢字的輸入碼。例如，區位碼、電報碼等都屬于數字編碼。
b) 拼音碼：拼音碼是以漢字的讀音為基礎的輸入辦法。
c) 字形碼：字形碼是以漢字的字形結構為基礎的輸入編碼。例如，五筆字型碼（王碼）。
d) 音形碼：音形碼是兼顧漢字的讀音和字形的輸入編碼。
(2)交換碼：用于漢字外碼和內部碼的交換。交換碼的國家標準代號為GB2312-80。
(3)內部碼：內部碼是漢字在計算機內的基本表示形式，是計算機對漢字進行識別、存儲、處理和傳輸所用的編碼。內部碼也是雙字節編碼，將國標碼兩個字節的最高位都置為"1"，即轉換成漢字的內部碼。
(4)字形碼：字形碼是表示漢字字形信息（漢字的結構、形狀、筆劃等）的編碼，用來實現計算機對漢字的輸出（顯示、打印）。
2.VC中漢字的編碼方式
vc/c++正是采用了GB2312內部碼作為漢字的編碼方式,因此vc/c++中的各種輸入輸出方法，如cin/wcin,cout/wcout,scanf/wsanf,printf/wprintf...都是基于GB2312的，如果漢字的內碼不是這種編碼方式，那么利用上述各種方法就不會正確的解析漢字。
仔細觀察ASCII字符表，從第161個字符開始，后面的字符并不經常為用戶所使用，負值也未使用。GB2312編碼方式充分利用這一特性，將161-255（-95~-1）之間的數值空間作為漢字的標識碼。既然255-161 = 94不能滿足漢字容量的要求，就將每兩個字符并在一塊(即一個漢字占兩個字節)，顯然，94* 94 =8836基本上已經滿足了常用漢字個數的要求。計算機處理字符時，當連續處理到兩個大與160(或-95~-1)的字節時，就認為這兩個字節存放了一個漢字字符。可以用下面的Demo程序來模擬vc/c++中輸出漢字字符的過程。
unsigned char input[50];
cin>>input;
int flag=0;
for(int i =0 ;i < 50 ;i++)
{
if(input[i] > 0xa0 && input[i] != 0)
{
if(flag == 1)
{
cout<<"chinese character"<<endl;
flag = 0;
}
else
{
flag++;
}
}
else if(input[i] == 0)
{
break;
}
else
{
cout<<"english character"<<endl;
}
}
輸入：Hello中國 （“中國”對應的GB2312內碼為：214 208，185 250）
輸出：english character
english character
english character
english character
english character
chinese character
chinese character
vc/c++中的英文字符仍然采用ASCII編碼方式。可以設想，其他國家程序員利用vc/c++編寫程序輸入本國字符時，vc/c++則會采用該國的字符編碼方式來處理這些字符。
問題又產生了，韓國的vc/c++程序在中國的vc/c++上運行時，如果沒有相應的內碼庫，則對韓語字符的顯示有可能出現亂碼。我個人猜測，vc安裝程序中應該帶有不同國家的內碼庫，這樣一來肯定會占用很大的空間。如果所有的國家使用統一的編碼方式，且所有的程序設計語言和開發工具都支持這種編碼方式該多好！而現實中，確實已經有這種編碼方式了，且許多新的語言也都支持這種編碼方式，如Java、C#等，它就是下面的Unicode編碼
3.新的內碼標準---Unicode
Unicode（統一碼、萬國碼、單一碼）是一種在計算機上使用的字符編碼。它為每種語言中的每個字符設定了統一并且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉換、處理的要求。1990年開始研發，1994年正式公布。隨著計算機工作能力的增強，Unicode也在面世以來的十多年里得到普及。最新版本的 Unicode 是 2005年3月31日推出的Unicode 4.1.0 。另外，5.0 Beta已于2005年12月12日推出，以供各會員評價。
Unicode 編碼系統可分為編碼方式和實現方式兩個層次。
編碼方式：Unicode 的編碼方式與 ISO 10646 的通用字符集（Universal Character Set，UCS）概念相對應，目前的用于實用的 Unicode 版本對應于 UCS-2，使用16位的編碼空間。也就是每個字符占用2個字節。這樣理論上一共最多可以表示 216 個字符。基本滿足各種語言的使用。實際上目前版本的 Unicode 尚未填充滿這16位編碼，保留了大量空間作為特殊使用或將來擴展。
實現方式：Unicode 的實現方式不同于編碼方式。一個字符的 Unicode 編碼是確定的。但是在實際傳輸過程中，由于不同系統平臺的設計不一定一致，以及出于節省空間的目的，對 Unicode 編碼的實現方式有所不同。Unicode 的實現方式稱為Unicode轉換格式（Unicode Translation Format，簡稱為 UTF）。如，UTF-8 編碼，這是一種變長編碼，它將基本7位ASCII字符仍用7位編碼表示，占用一個字節（首位補0）。而遇到與其他 Unicode 字符混合的情況，將按一定算法轉換，每個字符使用1-3個字節編碼，并利用首位為0或1進行識別。
Java與C#語言都是采用Unicode編碼方式，在這兩種語言中定義一個字符，在內存中存放的就是這個字符的兩字節Unicode碼。如下所示：
char a='我'; => 內存中存放的Unicode碼為：25105
4.內碼的相互轉換
(1)vc中的實現方法
利用Windows系統提供的API：::MultiByteToWideChar和::WideCharToMultiByte
::MultiByteToWideChar：實現當前碼到Unicode碼的轉換；
::WideCharToMultiByte：實現Unicode碼到當前碼的轉換；
(2)Java中的實現方法
String vcString=new String(javaString.getBytes("UTF-8"),"gb2312");
java的編碼應該是UTF-8
(3)C#中的實現方法
??
四 vc中的MutiByte Charater Set 和 Wide Character Set
1.MultiByte Charater Set方式
這種方式以按字節為單位存放字符，即如果一個字符碼為兩字節，則在內存中占兩字節，字符碼為一字節，就占一字節。例如，字符串“中國abc”的編碼為：中(0xd6、0xd0)、國(0xb9、0xfa)、a(0x61)、b(0x62)、c(0x63)、\0(0x00)，就存為如下方式：
對應的類型，方法有：
char、scanf、printf、cin、cout …
2.Wide Character Set
這種方式是以兩字節為單位存放字符，即如果一個字符碼為兩字節，則在內存中占四字節，字符碼為一字節，就占兩字節。例如，字符串“中國abc”就存為如下方式：
對應的類型，方法有：
wchar_t、wscanf、wprintf、wcin、wcout …
造成上面存儲方式的根本原因在于，wchar_t類型其實是一個unsigned short 類型。如，存儲上面字符串的數組的定義為：wchar_t buffer[8] 等價于unsigned short buffer[8].而所有以字母w開頭的方法也都是以unsigned short類型,即兩字節為單位來處理字符，因此，存儲在wchar_t類型數組中的字符串無法用cout顯示，只能用wcout方法來顯示。
由于Unicode碼也是采用兩個字節，因此Wide Character Set方式能夠很好的支持Unicode碼的存儲，但是在vc的環境下要將一個Unicode碼存入兩字節而不是四字節內存中，必須通過上面的API函數::MultiByteToWideChar。首先，將當前的編碼轉換為Unicode碼，然后，將每個字符的Unicode碼放入每一個wchar_t類型的變量中。以下是一個實例代碼：
char input[50];
cin>>input;
int size;
size=::MultiByteToWideChar(CP_ACP,0,input,strlen(input)+1,NULL,0);
if(size==0)
return -1;
wchar_t *widebuff=new wchar_t[size];
::MultiByteToWideChar(CP_ACP,0,input,strlen(input)+1,widebuff,size);
輸入：中國abc
Debug斷點調試：
size==6
數組widebuff[0-size]占12字節，存放了6個字符的Unicode碼，碼值為：
中(0x4e2d) 國(0x56fd) a(0x0061) b(0x0062) c(0x0063) d(0x0000)
這時，數組的大小size等于輸入的字符個數加上一個結束符，符合我們的想象。
五 引入問題的錯誤分析
(1) 沒有理解編譯器中的編碼方式
雖然vc/c++中漢字的編碼占兩個字節，但并不是Unicode碼，是GB2312碼。
(2) 沒有理解MutiByte Charater Set 和 Wide Character Set的存儲原則；
在vc/c++中，“中國”按char[5]來對待，而wchar_t a[3]實際上是三個unsigned short類型的變量，因此賦值時會越界。