QString中文编码

1、背景

QString sCheckUpUrl(QString("seriesId=8&unit=t&name=%1").arg(QString::fromUtf8(QUrl::toPercentEncoding(QStringLiteral("螺纹@钢"))));

QString sGetWebSiteUrl =QString("%1%2").arg(c_sPriceCheckUpUrl).arg(sCheckUpUrl);

在Url中发送带有特殊字符的中文的字符串,需要把字符串转换为UTF-8,并转义,可以使用QUrl::toPercentEncoding(...),而后拼接进QString时需要告诉QString字符串是什么编码,因为在你

QString 内部采用的是UnicodeUnicode 包含 ASCII 和 Latin-1 作为子集,不告诉它的情况下,它默认选择了Latin-1会出现乱码。

 

 2、原理

    QString是不存在中文支持问题的,很多人遇到问题,并不是本身 QString 的问题,而是没有将自己希望的字符串正确赋给QString。

    很简单的问题,"我是中文"这样写的时候,它是传统的char 类型的窄字符串,我们需要的只不过是通过某种方式告诉 QString这四个汉字采用的那种编码。而问题一般都出在很多用户对自己当前的编码没太多概念,

 

下面这个小程序,估计大家会感到比较亲切。似乎有相当多的中文用户尝试写过这样的代码:

 

#include<QtGui/QApplication>

#include<QtGui/QLabel>

 

int main(int argc,char **argv)

{

QApplication app(argc, argv);

QStringa = "我是汉字";

QLabel label(a);

label.show();

return app.exec();

}

编码,保存,编译,运行,一切都很顺利,可是结果呢:

 

多数用户看到

ÎÒÊǺº×Ö

其他用户看到

æˆ‘æ˜¯æ±‰å —

出乎意料,界面上中文没显示出来,出现了不认识字符。

最后被告知,下面的语句之一可以解决问题:

 

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GB2312"));

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));

两条指令挨个一试,确实可以解决(多数用户是第一条,其他用户是第二条)。那么,为什么会这样呢?

 

两种乱码什么时候出现

 

对这个问题,我想大家可能都有话说。在继续之前,我们先列个表,看看两种乱码分别在那种情况下出现:

 

我们只列举大家最常用的3个编译器(微软VS的中的cl,Mingw中的g++,Linux下的g++),源代码分别采用GBK 和 不带BOM的UTF-8 以及 带BOM的UTF-8 这3中编码进行保存。

 

源代码的编码

编译器

结果

GBK cl

1 *

mingw-g++

1 *

g++ 1

 

UTF-8(不带BOM)

cl 2

mingw-g++ 2

g++ 2*

 

UTF-8(带BOM)

cl 1

mingw-g++ 2

g++ 编译失败

 

采用3种不同编码保存的源代码文件,分别用3种不同的编译器编译,形成9种组合,除掉一种不能工作的情况,两种乱码出现的情况各占一半。

 

从中我们也可以看出,乱码和操作系统原本是没有关系的。但我们在Windows 一般用的GBK,linux一般用的是不带BOM的UTF-8。如果我们只考虑带*的情况,也可以说两种乱码和系统有关。

 

QString 为什么会乱码呢

 

真的是 QString乱码了吗?我们可以问问自己,我们抱怨的对象是不是搞错了?

 

继续之前,先明确几个概念:

 

明确概念0:

 

"我是汉字"是C语言中的字符串,它是char型的窄字符串。上面的例子可写为

const char * str ="我是汉字";

QString a= str;

char str[] ="我是汉字";

QString a= str;等

 

明确概念1:

 

源文件是有编码的,但是这种纯文本文件却不会记录自己采用的编码

这个是问题的根源,不妨做个试验,将前面的源代码保存成GBK编码,用16进制编辑器能看到引号内是ced2 ca c7 ba ba d7 d6这样8个字节。

 

现在将该文件拷贝到正体(繁体)中文的Windows中,用记事本打开会什么样子呢?

 

...

QString a="扂岆犖趼";

QLabel label(a);

label.show();

...

那么放到欧美人的Windows系统中,再用记事本打开呢?

 

...

QString a="ÎÒÊǺº×Ö";

QLabel label(a);

label.show();

...

同一个文件,未做任何修改,但其中的8个字节ced2 ca c7 ba ba d7 d6,对用GBK的大陆人,用BIG5的港澳台同胞,以及用Latin-1的欧洲人看来,看到的却是完全不同的文字。

 

明确概念2:

 

如同我们都了解的'A'与'x41'等价一样。

GBK编码下的

 

const char * str ="我是汉字"

等价于

 

const char * str ="xcexd2xcaxc7xbaxbaxd7xd6";

当用UTF-8编码时,等价于

 

const char * str ="xe6x88x91xe6x98xafxe6xb1x89xe5xadx97";

注意:这个说法不全对,比如保存成带BOM的UTF-8,用cl编译器时,汉字本身是UTF-8编码,但程序内保存时却是对应的GBK编码。

 

明确概念3:

 

QString 内部采用的是Unicode

QString内部采用的是Unicode,它可以同时存放GBK中的字符"我是汉字",BIG5中的字符"扂岆犖趼"以及Latin-1中的字符"ÎÒÊǺº×Ö"。

 

一个问题是,源代码中的这8个字节"xcexd2xcaxc7xbaxbaxd7xd6",该怎么转换成Unicode并存到QString 内?按照GBK、BIG5、Latin-1还是其他方式...

 

在你不告诉它的情况下,它默认选择了Latin-1,于是8个字符"ÎÒÊǺº×Ö"的unicode码被存进了QString中。最终,8个Latin字符出现在你期盼看到4中文字符的地方,所谓的乱码出现了

 

QString 工作方式

 

const char * str ="我是汉字";

QString a= str;

其实很简单的一个问题,当你需要从窄字符串char* 转成Unicode的QString字符串的,你需要告诉QString你的这串char* 中究竟是什么编码?GBK、BIG5、Latin-1

 

理想情况就是:将char* 传给QString时,同时告诉QString自己的编码是什么

 

就像下面的函数一样,QString的成员函数知道按照何种编码来处理C 字符串

 

QStringQString::fromAscii ( const char * str, int size = -1 )

QStringQString::fromLatin1 ( const char * str, int size = -1 ) 

QStringQString::fromLocal8Bit ( const char * str, int size = -1 )

QStringQString::fromUtf8 ( const char * str, int size = -1 )

单QString只提供了这几个成员函数,远远满足不了大家的需求,比如,在简体中文Windows下,local8Bit是GBK,可是有一个char串是 BIG5 或Latin-2怎么办?

 

那就动用强大的QTextCodec吧,首先QTextCodec肯定知道自己所负责的编码的,然后你把一个char串送给它,它就能正确将其转成Unicode了。

 

QStringQTextCodec::toUnicode ( const char * chars ) const

可是这个调用太麻烦了,我就想直接

 

QString a= str;

 

QString a(str);

这样用怎么办?

 

这样一来肯定没办法同时告诉 QString你的str是何种编码了,只能通过其他方式了。这也就是开头提到的

 

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GBK"));

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));

设置QString默认采用的编码。而究竟采用哪一个,一般来说就是源代码是GBK,就用GBK,源代码是UTF-8就用UTF-8。但有一个例外,如果你保存成了带BOM的UTF-8而且用的微软的cl编译器,此时仍是GBK。

展开阅读全文

没有更多推荐了,返回首页