setlocale同mbstowcs函数的关系

最新推荐文章于 2024-05-10 11:53:31 发布

编程小问号

最新推荐文章于 2024-05-10 11:53:31 发布

阅读量975

点赞数

分类专栏： C/C++

C/C++ 专栏收录该内容

197 篇文章 2 订阅

订阅专栏

setlocale同mbstowcs函数的关系

程序中，如果要将ASCII码字符串转换为宽字符（Unicode），可以利用标准C的mbstowcs函数。

然而，这段代码在处理含有汉字的字符串时就会出现问题。

然而，这段代码在处理含有汉字的字符串时就会出现问题。比如将：

wchar_t *pwchello = L"Hi"; 替换为wchar_t *pwchello = L"你好";

查看运行结果就会发现，mbstowcs函数将汉字视作两个ASCII字符，这样一个汉字就变成了两个wchar_t。原因是mbstowcs需要我们明确的告诉他要转换的字符语言。这里需要使用setlocale函数。在网上发现不少人遇到这个问题，微软的MSDN也是，为什么这里就不说明一下呢？

只要在调用前，使用setlocale(LC_ALL, "chs")设置，结果就正常了。

我测试在英文Vista操作系统内，Visual Studio 2008下setlocale(LC_ALL, "chs")可以执行成功。

但是在Borland C++Builder 6、CodeGear RAD Studio 2009下执行都失败，BCB提供的帮助文件内也未找到，反复测试使用setlocale(LC_ALL, "Chinese (Simplified)_People's Republic of China")可以奏效（这么大一个长串，BCB对搞中文编码的程序员也够狠）。

更讽刺的是，在BCB内使用setlocale(LC_ALL, "jpn")，或"cht"都可以成功。唯独就不支持"chs"，对BCB的做法彻底无语了。我相信在大多数unix或linux上也还是支持"chs"的。如果有时间，我再搞一个MinGW试试看。

另外如果程序运行在非中文操作系统内，使用setlocale修改运行时字符集环境，会影响当前应用程序的编码方式，因此使用前需要保留一下老的编码，使用后再恢复。

for 在linux上coding的兄弟们，locale别名表大概在 /usr/lib/X11/locale/locale.alias

setlocale

配置地域化信息。

语法: string setlocale(string category, string locale);

返回值: 字符串

函数种类: 操作系统与环境

内容说明

本函数用来配置地域的信息。参数 category 有下列的选择：

LC_ALL 包括下面的全项选项都要。
LC_COLLATE 配置字符串比较，PHP 目前尚未实作出来本项。
LC_CTYPE 配置字符类别及转换。例如全变大写 strtoupper()。
LC_MONETARY 配置金融货币，PHP 目前尚未实作。
LC_NUMERIC 配置小数点后的位数。
LC_TIME 配置时间日期格式，与 strftime() 合用。

而参数 locate 若是空字符串 ""，则会使用系统环境变量的 locate 或是 LANG 的值。若 locate 为零，则不会改变地域化配置。返回新的地域，若系统尚未实作则返回 false。

单字符宽字符互相转换

#include
size_t mbstowcs(wchar_t *pwcs, const char *s, size_t n); //转换单字符串为宽字符串

size_t wcstombs(char *mbstr, const wchar_t *wcstr, size_t count ); //转换宽字符串为单字符串

例如：

CString str = L"hello";
char sss[20];
wcstombs(sss,str.GetBuffer(),20); //转换宽字符为单字符

stl 宽字符到单字符转换

wstring str = L"Hello";

std::wstring::size_type len = str.length();
std::string s(len*2,0);
size_t total = wcstombs(&s[0],str.c_str(),len*2);
s[total] = ''''/0''
return s;

mbtowc 和 wctomb 是单个字符相互转换
int len;

setlocale (LC_ALL, "chs"); //设置为简体中文环境
wchar_t wc = L''''中''
wprintf(L"1个宽中文字符：%c /n",wc);
char* p = "中";
len = mbtowc (&wc, p, MB_LEN_MAX);
wprintf(L"单字符串转换为1个宽字符：%c 长度： %d/n",wc,len);
char pcmb[MB_LEN_MAX];
len = wctomb (pcmb, wc);
pcmb[len] = 0;
printf("宽字符转换为单字符串：%s 长度:%d/n",pcmb,len);

BYTE utf8[1024]; //utf8 字符串

wchar_t wstr[1024];
char mstr[1024];

//UTF-8 转换为宽字符
MultiByteToWideChar( CP_UTF8, 0, utf8,1024, wstr, sizeof(wstr)/sizeof(wstr[0]) );
WideCharToMultiByte( CP_ACP,0,wstr,-1,mstr,1024,NULL,NULL );

注：mbstowcs()是C库函数，要正确的设置Locale才能进行转换，MultiByteToWideChar()是win32函数，别搞混了！

为什么一定要调用 setlocale 呢？
因为在 C/C++ 语言标准中定义了其运行时的字符集环境为 "C" ，也就是 ASCII 字符集的一个子集，那么 mbstowcs 在工作时会将 cstr 中所包含的字符串看作是 ASCII 编码的字符，而不认为是一个包含有 chs 编码的字符串，所以他会将每一个中文拆成 2 个 ASCII 编码进行转换，这样得到的结果就是会形成 4 个 wchar_t 的字符组成的串，那么如何才能够让 mbstowcs 正常工作呢？在调用 mbstowcs 进行转换之间必须明确的告诉 mbstowcs 目前 cstr 串中包含的是 chs 编码的字符串，通过 setlocale( LC_ALL, "chs" ) 函数调用来完成，需要注意的是这个函数会改变整个应用程序的字符集编码方式，必须要通过重新调用 setlocale( LC_ALL, "C" ) 函数来还原，这样就可以保证 mbstowcs 在转换时将 cstr 中的串看作是中文串，并且转换成为 2 个 wchar_t 字符，而不是 4 个。