修改 vs2010 编译器使之支持u8″字符串”的形式
vs有比较完善的unicode支持，从2005(或更早？)开始就支持源文件是utf-8，并且可以用中文做变量名函数名。（可以是可以，不推荐）
不过，也有一点很让人生气，就算源文件是utf-8编码的，编译时，他也会把utf-8转成主机的编码。所以，对于中文编码而言，如果源文件是
utf-8的并且有这样的内容，编译还是一样出问题：
const char * test = "®"; tt.cpp(10) : warning C4566: character represented by universal-character-name '\u00AE' cannot be represented in the current code page (936)
c++0x草案中有 u8″string literal” 形式的字符串，如果可以用这个，则问题解决，可惜的是，vs2010并不支持 u8-prefix string literal。当然，u和U也不支持。不过由于windows本身所说的unicode是utf-16 le，所以vc里L”string”就是u”string”。
如果才能让vc以持u8呢？写一个宏和字符串转化的类，在运行期转化是一个可行但比较折中的办法，这个办法最大的问题是依然不能在代码里写”®”这样的字串，因为编译期转成中文编码失败成?号，运行期转成utf-8还是问号。
当然，可以写 L”®”，这样这个u8类可以这样写：
string to_utf8(const wchar_t*); #define U8(string) to_utf8(string).c_str()
然后在用的地方写：
U8(L”®”);
这样基本能用，但带来了一些运行期消耗。并且L的字符串也比较大。当然宏本身还可以改改，使得不需要写L，而是在预处理后加入L，但会带来额外的限制（想想U8(“hello” “world”)）。
能不能hack编译器加入u8的支持呢？经过一番研究，发现了点眉目。
首先，vc编译器编译的主要功能代码在c1xx.dll中。这个dll的x86版本位于 C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin\c1xx.dll。惊喜的是微软提供了它的pdb，这样分析它的行为就大大简化了。
经过研究发现，vc基本上函展开，获取token生成语法树是一次过的。
在关键函数
4F4C9430 GetTokenFromCurrentChar
处，会有一个循环，从一个全局变量中读取解析到的内容，然后构造出一个token。我们要做的就是hack这个过程，如果当前token符合 u8″string”的形式，则处理一遍字符串，转成8进制的串表示方法。
经过一番苦战成功后，结果如下：
tt.cpp:
#define U8(str) u8##str
#define U16(str) L##str
int main()
{
U8("哈");
u8"哈";
return 0;
}
D:\temp>cl /E tt.cpp
Microsoft (R) 32-bit C/C++ Optimizing Compiler Version 16.00.30319.01 for 80x86
Copyright (C) Microsoft Corporation. All rights reserved.
tt.cpp
#line 1 "tt.cpp"
int main()
{
"\345\223\210";
"\345\223\210";
return 0;
}使用的办法是：
把原始的c1xx.dll重命名为c1xx_.dll，写了一个假的c1xx.dll，把导出函数的调用都重定位到c1xx_.dll。然后在GetTokenFromCurrentChar的循环开始处：
4F4C943E 8B3D 046C644F MOV EDI,DWORD PTR DS:[Current_char]
写入一个跳转，跳转到自己的函数中检查是否需要替换字串。写完后变成：
4F4C943E E8 4D7EB60E CALL c1xx.asmReplCurCode
4F4C9443 90 NOP
这个被调用的函数是这样的：
__declspec(naked) void asmReplCurCode()
{
__asm
{
pushad;
call ReplCurCode;
popad;
mov edi, [ptrCurChar];
mov edi, [edi];
ret;
}
}
即用汇编做一个简单的包装，调用C++函数，然后完成被覆盖的代码要完成的事，然后ret回去。
ReplCurCode是这样的：
void ReplCurCode() { if (g_pred == 0) { g_pred = 1; char ch = ** ptrCurChar; //note: in creating/using precompiled header mode, don't insert this code since it had done before. if (ch == '\r' || ch == '\n') { replace = *ptrCurChar; const char * scode = "\r\n#define __bultin_u8 1\r\n1\r\n"; match = scode + strlen(scode)-3; *ptrCurChar = scode; return ; } } if (*ptrCurChar == match) { *ptrCurChar = replace; match = 0; replace = 0; } const char * src = *ptrCurChar; if (src[0] == '#' && src[1] == 'd') { int ff = 0; } string prefix; while (isspace((unsigned char)(src[0]))) { prefix += src[0]; ++ src; } if (src[0] == 'u' && src[1] == '8' && src[2] == '"') { //so this is a U8 str. string sb; size_t sz = TextProcess::unescape(src+3, MAXLONG, sb); if (src[sz+3] == '"') { string st = TextProcess::escape(sb.c_str(), sb.length()); string & codestr = getPool(prefix + st, src); match = codestr.c_str() + codestr.length(); replace = src+sz+4; *ptrCurChar = codestr.c_str(); } } }
在首次处理的时候插入一个宏定义，这样代码中就可以知道编译器是不是修改支持了u8的功能。ptrCurChar是微软的c1xx.dll中的全局变量的地址，通过它知道当前要解析什么样的代码，解析完之后替换掉它，使得
u8″哈”
交给微软cl.exe解释的时候变成 ”\345\223\210″ 当然下一次再跑到这里的时候，比较是不是解释完我设置的替换串了，是的话换回原始要解释的内容，当然是跳过了u8″哈”这个串的。
即： if(*ptrCurChar == match) *ptrCurChar = replace;
这样处理完了之后，vs2010就完美的支持u8″string”了。不过只能小范围内使用或写一些自己用的工具，对于大的团队而言，还是等微软下一个vs吧，也许那时就真正支持u8″literal string”了。
其实不只是 u8 literal string，这样改编译器，还能实现一些更有意思的东西。
dowload: hack_c1xx.dll
仅适用于原始md5为D05630986B03CBB28CD4D8E1BDD65831的c1xx.dll。
把原始c1xx.dll改名为c1xx_.dll，把hack_c1xx.dll改名为c1xx.dll