在工作上，經常會碰到萬碼奔騰的狀況，常搞的我一個頭兩個大，還好經過一年多的努力，處理 i18n 的程式庫大致有了個基礎，雖不完整，但也堪用。我有試著讓這堆 i18n 的程式儘可能地一致有條理，但邊造槍邊上戰場，還是有很多地方雜草叢生，旁枝錯節，無法達到完美和諧。所以我也只能盡量，將「萬碼奔騰」化約為「五碼諧和」，便是其中的一個嘗試。

世界上的語言千萬種，應用在電腦上，各家都要有自己的一套，因而造成了「萬碼奔騰」的現況。雖然 Unicode 包容萬碼的理想極其崇高偉大，但是革命尚未成功，同志仍須努力。一天這個世界還不能大一統，身為師程工的我們，就必須要身先士卒，代替普羅大眾，面對萬碼侵襲。

還好，我們有「化約」這個武器，可以化繁為簡，萬宗歸五，將「萬碼」化約成「五碼」，挑出重點，各個擊破。哪五碼？RAW、MBCS、WCCS、U8CS 以及 CLCS 這五碼，各有各的花名，招式相同的，大家一條褲子一起穿，招式不同的，那就各顯本事，各展奇才。口說無憑，有表有真相。

編碼 字元 字串 說明
花名 型別 花名 型別
RAW - char str char* 無招勝有招，赤裸裸的 bytes 專門演出無碼劇。本應使用 byte_t 為其型別，但為與大多數的舊有 C 程式介面相容，故仍沿用 char。
MBCS mbc char* mbs char* 用多個 bytes 表達一個 character 的編碼形式。某些 MBCS 需要 shift-state 的支援。對 C/C++ 來說，MBCS 對應到目前唯一的 global locale。
WCCS wcc wchar_t wcs wchar_t* 由 OS/Compiler 廠商決定的固定長度 Unicode 編碼，無法跨平台，兼有包容與速度的優勢。
U8CS u8c char* u8s char* 即 UTF-8，為近年流行的跨平台之不固定長度 Unicode 編碼，未來的烏托邦，便是只剩下 WCCS 與 U8CS 這兩種碼的大一統世界。雖然現在還不是，但我們必須向著這個方向走。
CLCS lcc byte_t* lcs byte_t* CLCS 為 Custom Locale Character Set 的縮寫，即指定 locale 的編碼方式。當其他四碼都不行時，就只有靠他了。

為了分辨彼此，各招的名稱，必須內含各碼的花名。舉例來說，光就「長度」這一項，就可以分化成三個變化：有多少個 bytes、有多少個 characters 以及畫在終端機螢幕上時，佔用多少個基本寬度。將上表套用這三個變化，就成了以下各招的招型：

  • 有多少個 bytes：除了 RAW 字元以外，不論字元或字串，都有佔用 bytes 數的問題。其中，WCCS 字元佔用的 bytes 數為常數，其值各平台不一定相同。 
    size_t adk_str_nbytes(const char* str);
size_t adk_mbc_nbytes(const char* mbc);
size_t adk_mbs_nbytes(const char* mbs);
#define ADK_WCC_NBYTES sizeof(wchar_t)
size_t adk_wcc_nbytes();
size_t adk_wcs_nbytes(const wchar_t* wcs);
size_t adk_u8c_nbytes(const char* u8c);
size_t adk_u8s_nbytes(const char* u8s);
size_t adk_lcc_nbytes(const char* loc, const byte_t* lcc);
size_t adk_lcs_nbytes(const char* loc, const byte_t* lcs);
  • 有多少個 characters：對 RAW 編碼方式無意義。 
    size_t adk_mbs_nchars(const char* mbs);
size_t adk_wcs_nchars(const wchar_t* wcs);
size_t adk_u8s_nchars(const char* u8s);
size_t adk_lcs_nchars(const char* loc, const byte_t* lcs);
  • 畫在終端機螢幕上時，佔用多少個基本寬度：對 RAW 編碼方式無意義。對於傳統 CJK 來說，有所謂「寬字元」的存在，印在終端機螢幕上時，佔用普通字元的兩倍寬。 
    size_t adk_mbc_width(const char* mbc);
size_t adk_mbs_width(const char* mbs);
size_t adk_wcc_width(wchar_t wcc);
size_t adk_wcs_width(const wchar_t* wcs);
size_t adk_u8c_width(const char* u8c);
size_t adk_u8s_width(const char* u8s);
size_t adk_lcc_width(const char* loc, const byte_t* lcc);
size_t adk_lcs_width(const char* loc, const byte_t* lcs);

而例外狀況，就交由特殊的招式處理。好比說應付 C++ template parameter 於 coding-time 仍未知的字元、字串型別，我們可以有 TPCS，使用 tcc 與 tcs 的花名，自動於 compile-time 的 template parameter resolution 時，轉換為對應的 MBCS 或 WCCS 型別。或者，為了處理與大五碼 (big5) 相容的特殊需求，我們可以有 B5CS，使用 b5c 與 b5s 的花名，針對 wcc/u8c/lcc/wcs/u8s/lcs 與 b5c/b5s 的可轉換性，進行處理。

如此，透過「萬碼化五碼」及「花名制」，就算與字元處理的招式再多，面對萬碼，仍然還是只有這五碼，簡單易懂，方便使用。