VC++中的MultiByte和WideChar

一、关于VC++中的MultiByte和WideChar

       VC++的工程如果设定的是“使用Unicode字符集”，程序中的CString是WideChar数组，采用的编码方式是UTF-16。

       调用WideCharToMultiByte转换MultiByte数组，CodePage参数为CP_ACP，得到的MultiByte数组为ANSI编码。

       UTF-16编码：每个宽字符固定用2个byte。数字、字母、半角符号等原来用ASCII编码的字符，采用原编码加0x00。例如：字符串“aA12”的编码：0x61 00 41 00 31 00 32 00。汉字“版权归属”的编码：0x48 72 43 67 52 5f 5e 5c。

       ANSI编码：字符串中的数字、字母、半角符号等原来用ASCII编码的字符占用1个byte，汉字占用2个byte，采用的是GBK编码。例如：字符串：“aA12版权归属”的编码：0xb0 e6 c8 a8 b9 e9 ca f4 61 41 31 32。

       UTF-16编码也可以转接转换为UTF-8编码，UTF-8也是MultiByte编码，调用WideCharToMultiByte转换时，CodePage参数为CP_UTF8。

       UTF-8编码中，数字、字母、半角符号等原来用ASCII编码的字符仍然占用1个byte，但是汉字占用的字节数就是变长的了，常用的多数是3个byte，也有占4个byte的。例如：字符串“aA12”的编码与ANSI相同，仍然是：0x61 41 31 32 。汉字“版权归属”的编码：0xe7 89 88 e6 9d 83 e5 bd 92 e5 b1 9e，每个汉字占了3个byte。

二、程序示例：

1、CString的宽字符转换为ANSI多字节：

    CString str = L"aA12版权归属";
    int len = WideCharToMultiByte(CP_ACP, 0, str, -1, NULL, 0, NULL, FALSE);
    char* buff=new char[len];
    WideCharToMultiByte(CP_ACP, str,-1,buff,len,NULL,FALSE);

    。。。

    delete[] buff;

2、CString的宽字符转换为UTF-8多字节：

    CString str = L"aA12版权归属";
    int len = WideCharToMultiByte(CP_UTF8, 0, str, -1, NULL, 0, NULL, FALSE);
    char* buff=new char[len];
    WideCharToMultiByte(CP_UTF8, str,-1,buff,len,NULL,FALSE);

    。。。

    delete[] buff;

3、从UTF-8编码的文件中读出的文本，转换成ANSI编码：

    //读文件内容

    CFile file;
    file.Open(path,CFile::modeRead);

    int len=file.GetLength();
    byte* buff=new byte[len];
    file.Read(buff,len);

    file.Close();

    //UTF-8转换为宽字符

    int strlen = MultiByteToWideChar(CP_UTF8, 0, (char*)buff, -1, NULL, 0);
    wchar_t* wstr = new wchar_t[strlen+1];
    MultiByteToWideChar(CP_UTF8, 0, (char*)buff, -1, wstr, strlen);

    delete[] buff;

    //宽字符转为为ANSI    

    len = WideCharToMultiByte(CP_ACP, 0, wstr, -1, NULL, 0, NULL, NULL);
    buff=new byte[len+1];
    WideCharToMultiByte(CP_ACP, 0, wstr, -1, (char*)buff, len, NULL, NULL);
    delete[] wstr;

    。。。

    delete[] buff;