在上一篇博文中,介绍了如何在 Windows 的控制台界面下输出 BMPString 的内容,但是那里的方法在 Linux 下不适用。如果将那里的示例代码放到 Linux 下执行,输出的结果为乱码。产生乱码的原因在于 wchar_t 类型的变量在 Windows 下和 Linux 下的字节长度不同。
以下 C 程序在 Windows 和 Linux 下都能够执行:
#include <stdio.h>
#include <wchar.h>
#if defined(_WIN32) || defined(_WIN64)
#include <stdlib.h>
#endif
int main(void)
{
printf("wide character (wchar_t type) length is %d bytes.\n", sizeof(wchar_t));
#if defined(_WIN32) || defined(_WIN64)
system("pause");
#endif
return 0;
}
输出结果是不同的。在 64 位 Windows 下,用微软的编译器将其分别编译成 32 位和 64 位可执行程序,输出结果证明 wchar_t 类型变量长度为 2 字节。在 64 位 Linux 下,用 64 位的 GCC 编译后执行,输出结果证明 wchar_t 类型变量长度为 4 字节。
在 Windows 下处理 BMPString 时,比如对于字符“中”,对应的 UTF-16 编码是0x4E, 0x2D,我们处理的方法是将其由 big-endian 顺序转换为 little-endian 顺序,再用 wprintf() 函数输出。
在 Linux 下处理 BMPString 时,比如对于字符“中”,对应的 UTF-16 编码是0x4E, 0x2D,我们处理的方法是将其由 2 字节长扩展到 4 字节长,扩展时新添加的两个字节的值为 0,即变为 0x0, 0x0, 0x4E, 0x2D,再由 big-endian 顺序转换为 little-endian 顺序,即编码变成 0x2D, 0x4E, 0x0, 0x0,再用 wprintf() 函数输出。
所以在 Linux 下要显示 BMPString,一般方法是先将 UTF-16 big-endian 方式的字符编码扩展为 UTF-32 big-endian 方式的字符编码,扩展方法是在前面加上两个字节的 0,再将UTF-32 big-endian 方式的字符编码变为 UTF-32 little-endian 方式的字符编码。(也可先将 UTF-16 big-endian 方式的字符编码转换为 little-endian 顺序,再给后面加上两个字节的 0,效果是一样的。)
下面给出一个示例程序:
/**************************************************
* Author: HAN Wei
* Author's blog: http://blog.csdn.net/henter/
* Date: Oct 31th, 2014
* Description: demonstrate how to print BMPString
on Linux console
**************************************************/
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <locale.h>
#include <wchar.h>
/**************************************************
*函数名称:PrintBMPStringOnLinux
*功能: 在 Linux 终端下输出 BMPString
*参数:
BMPString [in]
BMPString_len [in] BMPString 的长度,以字节为单位
*返回值:
0 成功
-1 失败
**************************************************/
int PrintBMPStringOnLinux(unsigned char *BMPString, unsigned int BMPString_len)
{
unsigned char *buffer;
unsigned int buffer_len, i;
unsigned char *p, *q;
buffer_len = BMPString_len * 2 + 4; /* 缓冲区大小为 BMPString 的字节长度的两倍
再加上四个字节,这四个字节用来存放字符串
结束符 \0(其类型为 wchar_t ),其对应
编码是 0x0, 0x0, 0x0, 0x0 */
if ( !(buffer = (unsigned char *)malloc(buffer_len)) )
{
#ifdef _DEBUG
printf("malloc() function failed!\n");
#endif
return (-1);
}
memset(buffer, 0, buffer_len);
p = buffer;
q = BMPString;
for (i=0; i < (int)BMPString_len/2; i++)
{
*p = *(q+1);
*(p+1) = *q;
p += 4;
q += 2;
}
setlocale(LC_ALL, "zh_CN.utf8");
wprintf(L"BMPString: %ls\n", (wchar_t *)buffer);
free(buffer);
return 0;
}
int main(void)
{
int error_code;
unsigned char BMPString_data1[]={0x4e, 0x2d, 0x56, 0xfd}; /* 中文字符串"中国"对应的 Unicode 编码 */
unsigned char BMPString_data2[]={0x0, 0x55, 0x0, 0x73, 0x0, 0x65, 0x0, 0x72}; /* 英文字符串"User"对应的 Unicode 编码 */
char str[]={0x2d, 0x4e, 0x0, 0x0, 0xfd, 0x56, 0x0, 0x0, 0x0, 0x0, 0x0, 0x0};
if ( error_code = PrintBMPStringOnLinux(BMPString_data1, sizeof(BMPString_data1)) )
{
printf("Print BMPstring on Windows console failed!\n");
return (-1);
}
if ( error_code = PrintBMPStringOnLinux(BMPString_data2, sizeof(BMPString_data2)) )
{
printf("Print BMPstring on Windows console failed!\n");
return (-1);
}
/* 下面给出了说明 unicode 编码的字符在 Linux 中是如何存放的一个例子,
从显示结果可以看出:对于每一个用 wchar_t 类型保存的 UTF-16 字符,
长度为 4 字节,以 little-endian 顺序存放 */
printf("\n");
setlocale(LC_ALL, "zh_CN.utf8");
wprintf(L"%ls\n", (wchar_t *)str);
return 0;
}
该程序在 64 位 CentOS 下,用 64位 GCC 编译器编译后执行,输出结果如下图: