用萬國碼寫C++程式

首先我先給個簡單的結論
「盡量使用UTF-8，不管是在Windows還是Linux」

寬字元這個字眼泛指UTF-16以上的編碼方式(UTF-16、UTF-32等等)，UTF-8不用寬字元來儲存，使用C語言原本就有的char便可。


sizeof(char)==1
sizeof(wchar_t)==2 Windows下的寬字元
sizeof(wchar_t)==4 Linux下的寬字元

使用UTF-8的情況

char *str=	u8"ToyBox"	u8"玩具"
sizeof(str)	7 (6個字母加結尾)	5 (兩個中文字加結尾)
strlen(str)	6 (正確)	4 (誤判了)

在UTF-8裡面，一個中文字元佔2byte以上，所以不能用strlen()來判斷字數。

※如果你在程式碼寫 L"玩具" 會當成是萬國碼寬字元
而只寫 "玩具"前面沒補上L的話會被GCC當UTF-8處理
但是 Visual Studio 是依OS語系來轉換，台灣這邊就是當成BIG5編碼了
C++11有提供新的寫法 u8"玩具" 來指定編譯器要以UTF-8處理


下面是Windows下的寬字元

Windows下的寬字元

wchar_t *str=	L"ToyBox"	L"玩具"
sizeof(str)	14 (每個字元都佔2byte)	6 (兩個中文字加結尾)
strlen(str)	6 (正確)	2 (正確)

上面只是個例子，萬國碼有可能一個字就超過2byte，所以連Windows下的 wchar_t都無法正確計算字數，所以如果想要讓每個字都佔有相同的大小，你必須選擇UTF-32才夠大，使用寬字元的好處就是計算字數很容易，要個別讀字碼也很輕鬆。 


UTF-8的最大好處在於它可沿用ansi key code的處理方式，像 fopen() 就不用改成 wfopen() 這怪樣子(更別說不同的編譯器可能還會有不同的名字)，所以不支持萬國碼的舊版lua照樣可以接受UTF-8字串。

UTF-8有分「檔頭含BOM」跟「檔頭不含BOM」兩種
含BOM這種是微軟想出來的
不含BOM這種才是真正的UTF-8


大致上比較起來，不含BOM會是比較好的選擇，但可能是為了配合微軟，大多數場合對於含不含BOM並不在意，像是python、gcc、lua都不介意

	帶有BOM的UTF-8	沒有BOM的UTF-8
缺點	1.CMake的組態檔不接受這種編碼 2.php也不吃這個 3.即使只寫英文也無法被當成ansi文件 4.NetBeans的Breadcrumbs會失效	1.這種程式碼在Visual Stduio不能除錯

最後誠心建議以UTF-8為主就好，我過去寫的程式為了兼容UTF-8跟寬字元真的多寫了很多東西，現在都以UTF-8為主，必要時才轉為寬字元。