多字节字符串与宽字符串的转换

多字节字符串与宽字符串的转换可使用C API者Win32 API.

C API: mbstowcs,wcstombs

Win32 API: MultiByteToWideChar, WideCharToMultiByte

 

下面着重介绍Win32 API的用法，C API的用法较为简单可参照Win32 API。

 

首先是WideCharToMultiByte

 

通常你需要配置4个参数(其他参数如是使用即可)，红色标记的部分。

依次是源宽字符串，需要转换的长度(-1,则为转换整个字符串)，目标多字节字符串，目标缓冲区长度。

返回值表示转换为目标多字节字符串实际需要的长度(包括结束符)。

所以通常需要调用WideCharToMultiByte两次：第一次产生目标缓冲区长度，第二次产生目标字符串，像下面这样

 

wchar_t* wcs = L"中国，你好！I Love You!";

int lengthOfMbs = WideCharToMultiByte( CP_ACP, 0, wcs, -1, NULL, 0, NULL, NULL);

char* mbs = new char[ lengthOfMbs ];

WideCharToMultiByte( CP_ACP, 0, wcs, -1, mbs, lengthOfMbs, NULL, NULL);   

delete mbs;

mbs = NULL;

 

MultiByteToWideChar的用法类似

 

char* mbs = "中国，你好！I Love You!";

int lengthOfWcs = MultiByteToWideChar( CP_ACP, 0, mbs, -1, NULL, 0 );

wchar_t* wcs = new wchar_t[ lengthOfWcs ];

MultiByteToWideChar( CP_ACP, 0, mbs, -1, wcs, lengthOfWcs );

delete wcs;

wcs = NULL;

 

 

下面两个函数封装了转换过程

#include <Windows.h>

#include <string>

 

std::string WcsToMbs( const std::wstring& wcs ) {   

    int lengthOfMbs = WideCharToMultiByte( CP_ACP, 0, wcs.c_str(), -1, NULL, 0, NULL, NULL);

    char* mbs = new char[ lengthOfMbs ];

    WideCharToMultiByte( CP_ACP, 0, wcs.c_str(), -1, mbs, lengthOfMbs, NULL, NULL);

    std::string result = mbs;

    delete mbs;

    mbs = NULL;

    return result;

}

 

std::wstring MbsToWcs( const std::string& mbs ) {   

    int lengthOfWcs = MultiByteToWideChar( CP_ACP, 0, mbs.c_str(), -1, NULL, 0 );

    wchar_t* wcs = new wchar_t[ lengthOfWcs ];

    MultiByteToWideChar( CP_ACP, 0, mbs.c_str(), -1, wcs, lengthOfWcs );

    std::wstring result = wcs;

    delete wcs;

    wcs = NULL;

    return result;

}

 

不管什么时候，只要COM方法返回一个串，这个串都是Unicode串（这里指的是写入COM规范的所有方法）。Unicode是一种字符编码集，类似ASCII，但用两个字节表示一个字符。如果你想更好地控制或操作串的话，应该将它转换成TCHAR类型串。

     TCHAR和以_t开头的函数（如_tcscpy()）被设计用来让你用相同的源代码处理Unicode和ANSI串。在大多数情况下编写的代码都是用来处理ANSI串和ANSI WindowsAPIs。你应该熟练掌握TCHAR类型，尤其是当你阅读其他人写的有关代码时，要特别注意TCHAR类型。

    当你从某个COM方法返回得到一个Unicode串时，可以用下列几种方法之一将它转换成char类型串：

   

1、调用 WideCharToMultiByte() API。

2、调用CRT 函数wcstombs()。

3、使用CString 构造器或赋值操作(仅用于MFC )。

4、使用ATL 串转换宏。  

 

 

1.WideCharToMultiByte()

    你可以用WideCharToMultiByte()将一个Unicode串转换成一个ANSI串。此函数的原型如下：

int WideCharToMultiByte (

    UINT    CodePage,

    DWORD   dwFlags,

    LPCWSTR lpWideCharStr,

    int     cchWideChar,

    LPSTR   lpMultiByteStr,

    int     cbMultiByte,

    LPCSTR  lpDefaultChar,

    LPBOOL  lpUsedDefaultChar );

 

 

以下是参数解释：

CodePage

Unicode字符转换成的代码页。你可以传递CP_ACP来使用当前的ANSI代码页。代码页是256个字符集。字符0――127与ANSI编码一样。字符128――255与ANSI字符不同，它可以包含图形字符或者读音符号。每一种语言或地区都有其自己的代码页，所以使用正确的代码页对于正确地显示重音字符很重要。

dwFlags

dwFlags 确定Windows如何处理“复合” Unicode字符，它是一种后面带读音符号的字符。如è就是一个复合字符。如果这些字符在CodePage参数指定的代码页中，不会出什么事。否则，Windows必须对之进行转换。

传递WC_COMPOSITECHECK使得这个API检查非映射复合字符。

传递WC_SEPCHARS使得Windows将字符分为两段，即字符加读音，如e`。

传递WC_DISCARDNS使得Windows丢弃读音符号。

传递WC_DEFAULTCHAR使得Windows用lpDefaultChar参数中说明的缺省字符替代复合字符。

缺省行为是WC_SEPCHARS。

lpWideCharStr

要转换的Unicode串。

cchWideChar

lpWideCharStr在Unicode 字符中的长度。通常传递-1，表示这个串是以0x00结尾。

lpMultiByteStr

接受转换的串的字符缓冲

cbMultiByte

lpMultiByteStr的字节大小。

lpDefaultChar

可选――当dwFlags包含WC_COMPOSITECHECK | WC_DEFAULTCHAR并且某个Unicode字符不能被映射到同等的ANSI串时所传递的一个单字符ANSI串，包含被插入的“缺省”字符。可以传递NULL，让API使用系统缺省字符（一种写法是一个问号）。

lpUsedDefaultChar

可选――指向BOOL类型的一个指针，设置它来表示是否缺省字符曾被插入ANSI串。可以传递NULL来忽略这个参数。

 

 

下面就给出了如何使用这个API的例子：

// 假设已经有了一个Unicode 串 wszSomeString...

char szANSIString [MAX_PATH];

 

    WideCharToMultiByte ( CP_ACP,                // ANSI 代码页

                          WC_COMPOSITECHECK, // 检查重音字符

                          wszSomeString,         // 原Unicode 串

                          -1,                    // -1 意思是串以0x00结尾

                          szANSIString,          // 目的char字符串

                          sizeof(szANSIString),  // 缓冲大小

                          NULL,                  // 肥缺省字符串

                          NULL );                // 忽略这个参数

调用这个函数后，szANSIString将包含Unicode串的ANSI版本。  

 

 

2,wcstombs()

    这个CRT函数wcstombs()是个简化版，但它终结了WideCharToMultiByte()的调用，所以最终结果是一样的。其原型如下：

size_t wcstombs (

    char*          mbstr,

    const wchar_t* wcstr,

    size_t         count );

 

以下是参数解释：

mbstr

接受结果ANSI串的字符（char）缓冲。

wcstr

要转换的Unicode串。

count

mbstr参数所指的缓冲大小。

 

wcstombs()在它对WideCharToMultiByte()的调用中使用WC_COMPOSITECHECK | WC_SEPCHARS标志。用wcstombs()转换前面例子中的Unicode串，结果一样：

 

wcstombs ( szANSIString, wszSomeString, sizeof(szANSIString) );

 

 

3.CString

     MFC中的CString包含有构造函数和接受Unicode串的赋值操作，所以你可以用CString来实现转换。例如：

 

// 假设有一个Unicode串wszSomeString...

 

CString str1 ( wszSomeString ); // 用构造器转换

CString str2;

 

str2 = wszSomeString; // 用赋值操作转换

 

 

4.ATL宏

       ATL有一组很方便的宏用于串的转换。W2A()用于将Unicode串转换为ANSI串（记忆方法是“wide to ANSI”――宽字符到ANSI）。实际上使用OLE2A()更精确，“OLE”表示的意思是COM串或者OLE串。下面是使用这些宏的例子：

 

#include <atlconv.h>

 

// 还是假设有一个Unicode串wszSomeString...

 

{

char szANSIString [MAX_PATH];

USES_CONVERSION; // 声明这个宏要使用的局部变量

 

lstrcpy ( szANSIString, OLE2A(wszSomeString) );

}

 

OLE2A()宏“返回”转换的串的指针，但转换的串被存储在某个临时栈变量中，所以要用lstrcpy()来获得自己的拷贝。其它的几个宏是W2T()（Unicode 到 TCHAR）以及W2CT()（Unicode到常量TCHAR串）。

有个宏是OLE2CA()（Unicode到常量char串），可以被用到上面的例子中，OLE2CA()实际上是个更正宏，因为lstrcpy()的第二个参数是一个常量char*，关于这个问题本文将在以后作详细讨论。

 

 

另一方面，如果你不想做以上复杂的串处理，尽管让它还保持为Unicode串，如果编写的是控制台应用程序，输出/显示Unicode串时应该用全程变量std::wcout，如：

 

wcout << wszSomeString;

 

但是要记住，std::wcout只认Unicode，所以你要是“正常”串的话，还得用std::cout输出/显示。对于Unicode串文字量，要使用前缀L标示，如：

 

wcout << L"The Oracle says..." << endl << wszOracleResponse;

 

如果保持串为Unicode，编程时有两个限制：

 

―― 必须使用wcsXXX() Unicode串处理函数，如wcslen()。

―― 在Windows 9x环境中不能在Windows API中传递Unicode串。要想编写能在9x和NT上都能运行的应用，必须使用TCHAR类型，详情请参考MSDN。

 

 

字符串类型定义

A ANSI character string.

W Unicode character string.

T Generic character string (equivalent to W when _UNICODE is defined, equivalent to A otherwise).

OLE OLE character string (equivalent to W).

 

 

关于中文宽字符的转换

我用mbstowbs函数转换不行，不能转换中文

后用LPCOLESTR pwzStr = T2COLE(LPCSTR pszStr)

转换成功

用法：

#include <atlconv.h>

 

USES_CONVERSION;

LPCOLESTR pwzStr = T2COLE(LPCSTR pszStr);