C/C++中char*与wchar_t*之间的转换

转自：http://www.manongjc.com/detail/51-vrfuqxpqorfarea.html

1.问题描述

char*表示的是多字节字符串，比如ASCII、GB2312、GBK等，wchar_t*表示的是宽字符串，即Unicode字符串，由于编码不同，所以在char*和wchar_t*之间无法使用强制类型转换。考察如下程序。

#include <iostream>
using namespace std;

int main()
{
    const wchar_t*  str=L"ABC我们";
    char* s=(char*)str;
    cout<<s<<endl;
}

输出结果出错：只输出A。经过强制类型转换，s指向了宽字符串，字符串数据没有发生任何变化，只是用多字节字符字符编码重新对它进行解释，输出的结果自然是错误的。

2.char*与wchar_t*之间相互转换

2023/06/28更新：此种方式导致release模式出现莫名问题，例如spintf无效，具体原因未知

要想将宽字符串转换成多字节编码字符串（或者反过来），必须先读懂原来的字符串，然后再重新对它进行编码。只有这样才能到达转换的目的。利用标准库函数可以完成char*与wchar_t*之间的转换，关键函数有setlocale()、wcstombs_s()和mbstowcs_s()。

2.1关键函数简介

（1）setlocale()

功能：配置地域化信息
头文件：< locale.h>
函数原型：char* setlocale(int category, const char* locale)
函数参数：
    category表示对本地化的某项内容进行设置，可取如下值：
        LC_ALL 包括下面的全部选项都要；
        LC_COLLATE 配置字符串比较；
        C_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；
        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。
    locale表示地域代号：如果为NULL，则返回当前的locale名称（一般为C）；如果非空，则根据category和locale进行设置，如果成功，则返回新的locale名称（地域名称），如果失败，则返回NULL。

（2）wcstombs_s ()

功能：将宽字符编码字符串转换成多字节编码字符串
头文件：<stdlib.h>
函数原型：errno_t __cdecl wcstombs_s(size_t * _PtNumOfCharConverted, char * _Dst, size_t _DstSizeInBytes, const wchar_t * _Src, size_t _MaxCountInBytes)
函数参数：
    PtNumOfCharConverted：指向转换后的字符串的长度加上结束符（单位字节）；
    Dst：指向转换后的字符串首地址；
    DstSizeInBytes：目的地址最大字节空间（单位字节）；
    _Src：源宽字符串首地址；
    _MaxCountInBytes：最多可存入多字节字符串缓冲最的字节数，用于裁剪转换后的字符串。
返回值：成功返回0， 失败则返回失败代码。

（3）mbstowcs_s ()

函数功能：将多字节编码字符串转换成宽字符编码字符串
头文件：<stdlib.h>
函数原型：errno_t __cdecl mbstowcs_s(size_t * _PtNumOfCharConverted, wchar_t * _DstBuf, size_t _SizeInWords, const char * _SrcBuf, size_t _MaxCount );
参数说明：
    PtNumOfCharConverted：转换后的字符串的长度加上结束符的字符个数；
    _DstBuf：指向转换后的字符串首地址；
    _SizeInWords：目的地址最大字空间大小（单位wchar_t）；
    _SrcBuf：源多字节字符串首地址；
    _MaxCount：最多可存入宽字符串缓冲中的字符个数，用于裁剪转换后的宽字符串。
返回值：成功返回0， 失败则返回失败代码。

2.2转换实例

#include <locale.h>
#include <iostream>
#include <string>
using namespace std;

string ws2s(const wstring& ws)
{
    string curLocale = setlocale(LC_ALL, NULL);     //curLocale="C"
    setlocale(LC_ALL, "chs");
    const wchar_t* wcs = ws.c_str();
    size_t dByteNum = sizeof(wchar_t)*ws.size()+1;
    cout << "ws.size():" << ws.size() << endl;      //5：宽字符串L"ABC我们"有5个自然字符

    char* dest = new char[dByteNum];
    wcstombs_s(NULL,dest,dByteNum,wcs,_TRUNCATE);
    string result = dest;
    delete[] dest;
    setlocale(LC_ALL,curLocale.c_str());
    return result;
}

wstring s2ws(const string& s)
{
    string curLocale = setlocale(LC_ALL,NULL);  //curLocale="C"
    setlocale(LC_ALL,"chs");
    const char* source = s.c_str();
    size_t charNum=s.size()+1;
    cout <<"s.size():"<<s.size()<<endl;         //7：多字节字符串"ABC我们"有7个字节

    wchar_t* dest = new wchar_t[charNum];
    mbstowcs_s(NULL,dest,charNum,source,_TRUNCATE);
    wstring result = dest;
    delete[] dest;
    setlocale(LC_ALL,curLocale.c_str());
    return result;
}

int main()
{
    const wchar_t* wstr=L"ABC我们";
    const char* str="ABC我们";

    //宽字符串转换为多字节字符串
    string obj=ws2s(wstr);
    cout<<obj<<endl;

    //多字节字符串转换为宽字符串
    wstring objw = s2ws(str);
    wcout.imbue(locale("chs"));
    wcout << objw << endl;
}

程序输出：

ABC我们
ABC我们

程序运行结果表明，char*到wchar_t*双向转换成功，但要注意的是，执行转换的函数mbstowcs_s和wcstombs_s的运行是依赖于当前的locale设置。在程序中去除相关的setlocale()函数调用，就得不到正确的结果。locale实际的作用是告诉操作系统，多字节字符串采用的是何种编码，“chs”表示简体中文。

3.利用Windows API实现字符编码的转换

除了利用标准库函数解决字符编码的转换问题，还可以利用特定操作系统下提供的函数。例如，利用Windows API实现字符编码的转换。

#include <windows.h>
#include <iostream>
using namespace std;

int main()
{
    const wchar_t* ws=L"测试字符串";
    const char* ss="ABC我们";

    //宽字符串转换为多字节字符串
    int bufSize = WideCharToMultiByte(CP_ACP, NULL, ws, -1, NULL, 0, NULL, FALSE);
    cout << bufSize << endl;
    char *sp = new char[bufSize];
    WideCharToMultiByte(CP_ACP, NULL, ws, -1, sp, bufSize, NULL, FALSE);
    cout << sp << endl;

    //宽字符串转换为多字节字符串
    bufSize = MultiByteToWideChar(CP_ACP, 0, ss, -1, NULL, 0);
    cout << bufSize << endl;
    wchar_t* wp = new wchar_t[bufSize];
    MultiByteToWideChar(CP_ACP, 0, ss, -1, wp, bufSize);
    wcout.imbue(locale("chs"));
    wcout<< wp <<endl;
}

程序输出结果：

11
测试字符串
6
ABC我们

其中函数int bufSize=WideCharToMultiByte(CP_ACP,NULL,ws,-1,NULL,0,NULL,FALSE);是用来获取宽字符串转换成多字节字符串所占据的空间大小（单位字节），这是将第5个参数设置为NULL达到的效果。同样，函数调用bufSize=MultiByteToWideChar(CP_ACP,0,ss,-1,NULL,0);是用来获取多字节字符串转换成宽字节字符串后所占用空间的大小（单位宽字符个数），这是将第5个参数设置为NULL之后达到的效果。

以下将具体讲解上面两个关键函数。

（1）WideCharToMultiByte()

函数功能：将宽字符串转换成多字节字符串
头文件：< windows.h>
函数原型：
    int WINAPI WideCharToMultiByte(
        _In_ UINT CodePage,
        _In_ DWORD dwFlags,
        _In_NLS_string_(cchWideChar) LPCWCH lpWideCharStr,
        _In_ int cchWideChar,
        _Out_writes_bytes_to_opt_(cbMultiByte, return) LPSTR lpMultiByteStr,
        _In_ int cbMultiByte,
        _In_opt_ LPCCH lpDefaultChar,
        _Out_opt_ LPBOOL lpUsedDefaultChar
);

参数详解：
    CodePage：指定执行转换的代码页字符集，可以为操作系统已安装或有效的任何代码页字符集，也可以指定其为下面的任意一值:CP_ACP：ANSI代码页；CP_ACP:ANSI代码页；CP_MACCP：Macintosh代码页；CP_OEMCP：OEM代码页；CP_SYMBOL：符号代码页；CP_THREAD_ACP：当前线程ANSI代码页；CP_UTF7：使用UTF-7转换；CP_UTF8：使用UTF-8转换。使用最多的就是CP_ACP和CP_UTF8；
    dwFlags：指定如何处理没有转换成功的字符，也可以不设此参数（设置为0），函数会运行的更快一些。对于UTF-8，dwflags必须为0或者WC_ERR_INVALID_CHARS，否则函数都将失败返回并设置错误码ERROR_INVALID_FLAGS，可以调用GetLastError获得；
    lpWideCharStr：待转换为宽字符串；
    cchWideChar：待转换的宽字符串的长度（字符个数），-1表示转换到字符串结尾；
    lpMultiByteStr：转换后目的字符串缓冲区；
    cbMultiByte：目的字符串缓冲区大小（单位字节）。如果设置为0，函数将返回所需缓冲区大小而忽略lpMultiByteStr；
    lpDefaultChar：指向字符的指针，在指定编码里找不到相应字符时使用此字符作为默认字符替代。如果为NULL，则使用系统默认字符。使用dwFlags时不能使用此参数，否则报ERROR_INVLID_PARAMETER错误；
    lpUsedDefaultChar：开关变量的指针，表明是否使用过默认字符。对于要求此参数为NULL的dwflags而使用此参数，函数将失败返回，并设置错误码ERROR_INVLID_PARAMETER。lpDefaultChar和lpUsedDefaultChar都设为NULL，函数会更快一些。

函数返回值：如果函数运行成功，并且cbMultiByte不为零，返回值是由 lpMultiByteStr指向的缓冲区中写入的字节数；如果函数运行成功，并且cbMultiByte为零，返回值是接存放目的字符串缓冲区所必需的字节数。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。 

（2）MultiByteToWideChar()

函数功能：多字节字符串到款字节字符串的转换
头文件：<windows.h>
函数原型：
int WINAPI MultiByteToWideChar(
    _In_ UINT CodePage,
    _In_ DWORD dwFlags,
    _In_NLS_string_(cbMultiByte) LPCCH lpMultiByteStr,
    _In_ int cbMultiByte,
    _Out_writes_to_opt_(cchWideChar, return) LPWSTR lpWideCharStr,
    _In_ int cchWideChar
);
参数详解：
    CodePage：同上；
    dwFlags：指定是否转换成预制字符或合成的宽字符，是否使用象形文字替代控制字符，以及如何处理无效字符。对于UTF-8，dwflags必须为0或者WC_ERR_INVALID_CHARS,否则函数都将失败返回并设置错误码ERROR_INVALID_FLAGS，可以调用GetLastError获得；
    lpMultiByteStr：多字节字符串；
    cbMultiByte：待转换的多字节字符串长度，-1表示转换到字符串结尾；
    lpWideCharStr：存放转换后的宽字符串缓冲；
    cchWideChar：宽字符串缓冲的大小（单位字符数）。

返回值：如果函数运行成功，并且cchWideChar不为零，返回值是由 lpWideCharStr指向的缓冲区中写入的字符数；如果函数运行成功，并且cchWideChar为零，返回值是接存放目的字符串缓冲区所必需的字符数。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。 

Linux同样提供的相关的系统调用来实现char*与wchar_t*之间的转换，char*到wchar_t*的转换使用mbstowcs()，反之使用wcstombs()，感兴趣的读者可自行实现。