VC++下处理UTF8编码的字符串

转载 2015年11月17日 19:42:10

在windows下打开一个记事本,保存文件,下面有四种编码选择。ANSI,也就是多字节字符集,在VC中也就是CHAR(char)字符串。Unicode,就是UTF16,在VC中也就是WCHAR(wchar_t)字符串。Unicode big endian ,就是UTF32,这种编码用的比较少。UTF8,网页上几乎都是用UTF8,UTF8用1-4个字节来编码所有的字符,英文只需要1个 字节,中文需要3-4个字节。比起UTF16来说,UTF8这样可以尽可能的节省网络带宽,因为在网络上传输的字符,大部分以英文为主。UTF16至少是2个字节,部分字符4个字节。

如果我们写一个VC程序,从获取HTML网页数据,这些数据的编码是UTF8的,获取到我们VC程序中的CHAR字符数组中时就会发现,英文可以正常显示,中文全部乱码了。因为我们的CHAR型字符串用的是ANSI编码。要想把UTF8转换为ANSI,一般有两种方法。一种是手工写代码实现,百度上搜索可以发现很多资料,透彻了解这些字符集编码后,可以手工来实现转换,网上也有很多别人写好的转换函数。一种方法就是借助第三方函数库。由于我们在windows平台下编写程序,我们可以使用API函数来转换MultiByteToWideChar和WideCharToMultiByte。使用这个函数,我们得进行两次转换,先用MultiByteToWideChar把UTF8编码的CHAR字符串转换成WCHAR字符串,第一个参数要注明我们要转换的代码页为CP_UTF8,即UTF8的意思。然后用WideCharToMultiByte吧WCHAR字符串转换成CHAR字符串,第一个参数使用936,936代码页的意思是简体中文。有关代码页的知识可以百度百科一下。

下面贴出我写的两个ANSI与UTF8互转的函数。参数为MFC中的CString字符串,如果要传入C样式的字符数组型字符串,只需稍加修改即可。

//UTF8转ANSI

utf8* AnsiToUtf8(char const *szAnsi)
{
	// ANSI => WCHAR
	size_t lengthAnsi = strlen(szAnsi);
	size_t lengthUnicode = MultiByteToWideChar(CP_ACP, 0, szAnsi, lengthAnsi, NULL, 0);
	if (s_wchar_buf.size() < lengthUnicode + 1)
	{
		s_wchar_buf.resize(lengthUnicode * 2);
	}
	wchar_t *szUnicode = &s_wchar_buf[0];
	::MultiByteToWideChar(CP_ACP, 0, szAnsi, lengthAnsi, szUnicode, lengthUnicode);
	szUnicode[lengthUnicode] = 0;

	// WCHAR => UTF8
	size_t lengthUtf8 = ::WideCharToMultiByte(CP_UTF8, 0, szUnicode, lengthUnicode, NULL, 0, NULL, NULL);
	if (s_utf8_buf.size() < lengthUtf8 + 1)
	{
		s_utf8_buf.resize(lengthUtf8 * 2);
	}
	utf8 *szUtf8String = &s_utf8_buf[0];
	::WideCharToMultiByte(CP_UTF8, 0, szUnicode, lengthUnicode, (char *)szUtf8String, lengthUtf8, NULL, NULL); 
	szUtf8String[lengthUtf8] = 0;

	return (utf8 *)szUtf8String;
} 

char*  Utf8ToAnsi( String u8 )
{
	//UTF8 => WCHAR
	size_t lengthUnicode = ::MultiByteToWideChar(CP_UTF8, 0, u8.c_str(), u8.utf8_stream_len(), NULL, NULL);
	if (s_wchar_buf.size() < lengthUnicode + 1)
	{
		s_wchar_buf.resize(lengthUnicode * 2);
	}
	wchar_t *szUnicode = &s_wchar_buf[0];
	::MultiByteToWideChar(CP_UTF8, 0, u8.c_str(), u8.utf8_stream_len(),szUnicode, lengthUnicode); 
	szUnicode[lengthUnicode] = 0;

	//WCHAR => ANSI
	int lengthAnsi = ::WideCharToMultiByte(CP_ACP, 0, szUnicode, lengthUnicode, NULL, NULL, NULL, NULL );
	if (s_ansi_buf.size() < lengthAnsi + 1)
	{
		s_ansi_buf.resize( lengthAnsi * 2 ) ;
	}
	char* szAnsi = &s_ansi_buf[0];
	::WideCharToMultiByte(CP_ACP, 0, szUnicode, lengthUnicode, szAnsi, lengthAnsi, NULL, NULL );
	szAnsi[lengthAnsi] = 0;
	return szAnsi;
} 
<span style="font-family: Arial;"><pre name="code" class="cpp">//UTF8转ANSI</span>
void UTF8toANSI(CString &strUTF8)
{
	//获取转换为多字节后需要的缓冲区大小,创建多字节缓冲区
	UINT nLen = MultiByteToWideChar(CP_UTF8,NULL,strUTF8,-1,NULL,NULL);
	WCHAR *wszBuffer = new WCHAR[nLen+1];
	nLen = MultiByteToWideChar(CP_UTF8,NULL,strUTF8,-1,wszBuffer,nLen);
	wszBuffer[nLen] = 0;

	nLen = WideCharToMultiByte(936,NULL,wszBuffer,-1,NULL,NULL,NULL,NULL);
	CHAR *szBuffer = new CHAR[nLen+1];
	nLen = WideCharToMultiByte(936,NULL,wszBuffer,-1,szBuffer,nLen,NULL,NULL);
	szBuffer[nLen] = 0;
	
	strUTF8 = szBuffer;
	//清理内存
	delete []szBuffer;
	delete []wszBuffer;
}

//ANSI转UTF8
void ANSItoUTF8(CString &strAnsi)
{
	//获取转换为宽字节后需要的缓冲区大小,创建宽字节缓冲区,936为简体中文GB2312代码页
	UINT nLen = MultiByteToWideChar(936,NULL,strAnsi,-1,NULL,NULL);
	WCHAR *wszBuffer = new WCHAR[nLen+1];
	nLen = MultiByteToWideChar(936,NULL,strAnsi,-1,wszBuffer,nLen);
	wszBuffer[nLen] = 0;
	//获取转为UTF8多字节后需要的缓冲区大小,创建多字节缓冲区
	nLen = WideCharToMultiByte(CP_UTF8,NULL,wszBuffer,-1,NULL,NULL,NULL,NULL);
	CHAR *szBuffer = new CHAR[nLen+1];
	nLen = WideCharToMultiByte(CP_UTF8,NULL,wszBuffer,-1,szBuffer,nLen,NULL,NULL);
	szBuffer[nLen] = 0;
	
	strAnsi = szBuffer;
	//内存清理
	delete []wszBuffer;
	delete []szBuffer;
}

值得注意的是,UTF8编码的字符串一般要将其保存在CHAR(char)型数组里,而不保存在WCHAR(wchar_t)型数组里。为什么呢?因为UTF8编码的字符串每个字符占1-4个字节,有的字符只占1个字节,应该用CHAR型数组来保存。而WCHAR的话,一个WCHAR就占两个字节,对于只需要一个字节的字符,就会出问题。


VC下utf8到UNICODE的编码转换

void utf8tow(wchar_t *pwstr,size_t len,const char *str) { if(str) { size_t...

debug assertion failed! winocc.cpp line 381

111
  • liuy_yy
  • liuy_yy
  • 2013年10月20日 10:08
  • 4297

VC++下处理UTF8编码的字符串

在windows下打开一个记事本,保存文件,下面有四种编码选择。ANSI,也就是多字节字符集,在VC中也就是CHAR(char)字符串。Unicode,就是UTF16,在VC中也就是WCHAR(wch...

VC++下处理UTF8编码的字符串

在windows下打开一个记事本,保存文件,下面有四种编码选择。ANSI,也就是多字节字符集,在VC中也就是CHAR(char)字符串。Unicode,就是UTF16,在VC中也就是WCHAR(wch...
  • enlaihe
  • enlaihe
  • 2016年09月07日 14:28
  • 968

C++处理UTF8编码的字符串

在windows下打开一个记事本,保存文件,下面有四种编码选择: ①ANSI,也就是多字节字符集,在中文系统下约等于GB2312。 ②Unicode,就是UTF16 LE,小端序存储的UTF16。 ③...

以utf8格式截取的字符串编码

  • 2014年10月11日 15:11
  • 701B
  • 下载

[VC++]UTF8与ASCII格式互转

[VC++]UTF8与ASCII格式互转

VC++互相转码GBK,unicode,utf8

windows平台下微软的库自带了一些api可用于几种编码格式间的互相转码,其实可以用一个iconv开源跨平台的转码库,那个方法更方便且统一。 使用前要引入头文件和命名空间 #include ...

VC,UTF8编码,cocos2d-x。

总的来说,cocos2d-x接收的是UTF-8编码的字符串,在VC2012中,如果要在源码中直接支持UTF-8中文(不使用转码函数),需要把.cpp源码存成无编码头的UTF-8文件。 这是不...

VC中Ansi、Unicode、UTF8字符串之间的转换和写入文本

http://www.iteye.com/topic/604821   Ansi字符串我们最熟悉,英文占一个字节,汉字2个字节,以一个\0结尾,常用于txt文本文件 Unicode字符串,每个...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:VC++下处理UTF8编码的字符串
举报原因:
原因补充:

(最多只允许输入30个字)