Ansi、Unicode、UTF8字符串之间的转换和写入文本文件

转载请注明出处http://www.cppblog.com/greatws/archive/2008/08/31/60546.html

最近有人问我关于这个的问题，就此写一篇blog

Ansi字符串我们最熟悉，英文占一个字节，汉字2个字节，以一个/0结尾，常用于txt文本文件
Unicode字符串，每个字符(汉字、英文字母)都占2个字节，以2个连续的/0结尾，NT操作系统内核用的是这种字符串，常被定义为typedef unsigned short wchar_t;所以我们有时常会见到什么char*无法转换为unsigned short*之类的错误，其实就是unicode
UTF8是Unicode一种压缩形式，英文A在unicode中表示为0x0041，老外觉得这种存储方式太浪费，因为浪费了50%的空间，于是就把英文压缩成1个字节，成了utf8编码，但是汉字在utf8中占3个字节，显然用做中文不如ansi合算，这就是中国的网页用作ansi编码而老外的网页常用utf8的原因。
UTF8在还游戏里运用的很广泛，比如WOW的lua脚本等

下面来说一下转换，主要用代码来说明吧
写文件我用了CFile类，其实用FILE*之类的也是一样，写文件和字符串什么类别没有关系，硬件只关心数据和长度

Ansi转Unicode
介绍2种方法
void CConvertDlg::OnBnClickedButtonAnsiToUnicode() { // ansi to unicode char* szAnsi = "abcd1234你我他"; //预转换，得到所需空间的大小 int wcsLen = ::MultiByteToWideChar(CP_ACP, NULL, szAnsi, strlen(szAnsi), NULL, 0); //分配空间要给'/0'留个空间，MultiByteToWideChar不会给'/0'空间 wchar_t* wszString = new wchar_t[wcsLen + 1]; //转换 ::MultiByteToWideChar(CP_ACP, NULL, szAnsi, strlen(szAnsi), wszString, wcsLen); //最后加上'/0' wszString[wcsLen] = '/0'; //unicode版的MessageBox API ::MessageBoxW(GetSafeHwnd(), wszString, wszString, MB_OK); //接下来写入文本 //写文本文件，头2个字节0xfeff，低位0xff写在前 CFile cFile; cFile.Open(_T("1.txt"), CFile::modeWrite | CFile::modeCreate); //文件开头 cFile.SeekToBegin(); cFile.Write("/xff/xfe", 2); //写入内容 cFile.Write(wszString, wcsLen * sizeof(wchar_t)); cFile.Flush(); cFile.Close(); delete[] wszString; wszString =NULL; //方法2 //设置当前地域信息，不设置的话，使用这种方法，中文不会正确显示 //需要#include<locale.h> setlocale(LC_CTYPE, "chs"); wchar_t wcsStr[100]; //注意下面是大写S，在unicode中，代表后面是ansi字符串 //swprintf是sprintf的unicode版本 //格式的前面要加大写L，代表是unicode swprintf(wcsStr, L"%S", szAnsi); ::MessageBoxW(GetSafeHwnd(), wcsStr, wcsStr, MB_OK); }

 

Unicode转Ansi
也是2种方法

void CConvertDlg::OnBnClickedButtonUnicodeToAnsi() { // unicode to ansi wchar_t* wszString = L"abcd1234你我他"; //预转换，得到所需空间的大小，这次用的函数和上面名字相反 int ansiLen = ::WideCharToMultiByte(CP_ACP, NULL, wszString, wcslen(wszString), NULL, 0, NULL, NULL); //同上，分配空间要给'/0'留个空间 char* szAnsi = new char[ansiLen + 1]; //转换 //unicode版对应的strlen是wcslen ::WideCharToMultiByte(CP_ACP, NULL, wszString, wcslen(wszString), szAnsi, ansiLen, NULL, NULL); //最后加上'/0' szAnsi[ansiLen] = '/0'; //Ansi版的MessageBox API ::MessageBoxA(GetSafeHwnd(), szAnsi, szAnsi, MB_OK); //接下来写入文本 //写文本文件，ANSI文件没有BOM CFile cFile; cFile.Open(_T("1.txt"), CFile::modeWrite | CFile::modeCreate); //文件开头 cFile.SeekToBegin(); //写入内容 cFile.Write(szAnsi, ansiLen * sizeof(char)); cFile.Flush(); cFile.Close(); delete[] szAnsi; szAnsi =NULL; //方法2 //和上面一样有另一种方法 setlocale(LC_CTYPE, "chs"); char szStr[100]; //注意下面是大写，在ansi中，代表后面是unicode字符串 //sprintf sprintf(szStr, "%S", wszString); ::MessageBoxA(GetSafeHwnd(), szStr, szStr, MB_OK); }

 

Unicode转UTF8

void CConvertDlg::OnBnClickedButtonUnicodeToU8() { // unicode to UTF8 wchar_t* wszString = L"abcd1234你我他"; //预转换，得到所需空间的大小，这次用的函数和上面名字相反 int u8Len = ::WideCharToMultiByte(CP_UTF8, NULL, wszString, wcslen(wszString), NULL, 0, NULL, NULL); //同上，分配空间要给'/0'留个空间 //UTF8虽然是Unicode的压缩形式，但也是多字节字符串，所以可以以char的形式保存 char* szU8 = new char[u8Len + 1]; //转换 //unicode版对应的strlen是wcslen ::WideCharToMultiByte(CP_UTF8, NULL, wszString, wcslen(wszString), szU8, u8Len, NULL, NULL); //最后加上'/0' szU8[u8Len] = '/0'; //MessageBox不支持UTF8,所以只能写文件 //接下来写入文本 //写文本文件，UTF8的BOM是0xbfbbef CFile cFile; cFile.Open(_T("1.txt"), CFile::modeWrite | CFile::modeCreate); //文件开头 cFile.SeekToBegin(); //写BOM，同样低位写在前 cFile.Write("/xef/xbb/xbf", 3); //写入内容 cFile.Write(szU8, u8Len * sizeof(char)); cFile.Flush(); cFile.Close(); delete[] szU8; szU8 =NULL; }

 

UTF8转UNICODE

void CConvertDlg::OnBnClickedButtonU8ToUnicode() { //UTF8 to Unicode //由于中文直接复制过来会成乱码，编译器有时会报错，故采用16进制形式 char* szU8 = "abcd1234/xe4/xbd/xa0/xe6/x88/x91/xe4/xbb/x96/x00"; //预转换，得到所需空间的大小 int wcsLen = ::MultiByteToWideChar(CP_UTF8, NULL, szU8, strlen(szU8), NULL, 0); //分配空间要给'/0'留个空间，MultiByteToWideChar不会给'/0'空间 wchar_t* wszString = new wchar_t[wcsLen + 1]; //转换 ::MultiByteToWideChar(CP_UTF8, NULL, szU8, strlen(szU8), wszString, wcsLen); //最后加上'/0' wszString[wcsLen] = '/0'; //unicode版的MessageBox API ::MessageBoxW(GetSafeHwnd(), wszString, wszString, MB_OK); //写文本同ansi to unicode }

 

Ansi转换utf8和utf8转换Ansi就是上面2个的结合，把unicode作为中间量，进行2次转换即可