1.本文提供了一种在Windows下将ANSI、Unicode和UTF-8三者之间相互转换的方法。
2.本文的代码参考来源:https://blog.csdn.net/shufac/article/details/51829267
3.想更深入了解ANSI、Unicode及UFT-8,网上有非常多的资料:
https://blog.csdn.net/xiongxiao/article/details/3741731
https://www.zhihu.com/question/20650946
ANSI
简单地来说,就是一种字符代码,通过1个字节来表示一个英文字符,2个字节表示一个中文字,最早的时候计算机ASCII码只能表示256个符号(含控制符号),用ANSI来表示中文字就明显不够用了。于是,人们就发明了Unicode这个字符集,可以囊括目前的所有字符。
Unocide
对于 Unicode,字符集和编码是明确区分的。Unicode/UCS 标准首先是个统一的字符集标准。而 Unicode/UCS 标准同时也定义了几种可选的编码方案,在标准文档中称作「encoding form」,主要包括 UTF-8、UTF-16 和 UTF-32。
UTF-8
UTF-8是针对Unicode的一种可变长度字符编码,是网页比较流行的一种格式:用1个字节表示英文字符,用3个字节表示汉字,准确的说,UTF-8是用二进制编码的前缀。
代码逻辑实现三者之间的相互转换
- 定义字符串转换用的类
代码可以放在一个头文件里面实现,因为代码量不是很多,先来定义一个字符转换的类。可以看到,我的目的是将一个字符串作为一个参数,传入转换函数当中,返回一个目标字符串。STL标准库提供了接口,可以使Unicode与ANSI之间相互转换,以及Unicode与UTF-8之间的转换,但是没有UTF-8与ANSI的直接转换,所UTF-8与ANSI之间的相互转换需要通过Unicode来间接转换。
#include <iostream>
#include <string>
#include <stringapiset.h>
//字符串编码格式转换
//STL标注库提供了接口,可以使Unicode <=> ANSI之间相互转换
//Unicode <=> UTF-8,要想UTF-8 <=>ANSI 话,就通过转换Unicode
//来间接转化
//UTF-8:多字节字符串
//Unicode:宽字节字符串
static const int CHAR_MAX_LEN = 512;
class Char_Convert_Method
{
public:
Char_Convert_Method()
{
memset(wstring_, 0, sizeof(wstring_));
memset(string_, 0, sizeof(string_));
};
~Char_Convert_Method()
{
};
public:
//UTF-8 <=> Unicode之间的转化
wchar_t* AnsiToUnicode(char *str);
char* UnicodeToAnsi(wchar_t *wstr);
//Unicode <=> ANSI之间的转化
char* UnicodeToUtf8(wchar_t *wstr);
wchar_t* Utf8ToUnicode(char *str);
//UTF-8 <=> ANSI之间的转化
char* Utf8ToAnsi(char *str);
char* AnsiToUtf8(char *str);
public:
wchar_t wstring_[CHAR_MAX_LEN];
char string_[CHAR_MAX_LEN];
};
- 函数的实现,ANSI<=>Unicode,用到的标准接口及参数说明也在函数前面标注了。
/***********************************************************************************
该函数映射一个字符串到一个宽字符(unicode)的字符串
int MultiByteToWideChar(
UINT CodePage,
DWORD dwFlags,
LPCSTR lpMultiByteStr,
int cchMultiByte,
LPWSTR lpWideCharStr,
int cchWideChar
);
1.CodePage: 指定执行转换的多字节字符所使用的字符集 CP_ACP -- ANSI code page
2.dwFlags: 一组位标记,用以指出是否未转换成预作或宽字符,是否使用象形文字代替控制字符,以及如何处理无效字符
一般不使用这个标志,取0
3.lpMultiByteStr: 指向待转换的字符串的缓冲区
4.cchMultiByte: 指定由参数lpMultiByteStr指向的字符串中字节的个数。可设置为-1,自动判断
5.lpWideCharStr: 指向接收被转换字符串的缓冲区
6.cchWideChar:指定由参数lpWideCharStr指向的缓冲区的宽字节数。若为0,函数不会执行转换,而是返回目标缓存lpWideCharStr
所需的宽字符数
返回值:
成功且cchWideChar不为0:返回由lpWideCharStr指向的缓冲区中写入的宽字符数
成功且cchMultiByte为0: 返回待转换字符串的缓冲区所需的宽字符数
失败返回0
***************************************************************************************/
wchar_t* Char_Convert_Method::AnsiToUnicode(char *str)
{
int len = ::MultiByteToWideChar(CP_ACP, NULL, str, strlen(str), NULL, 0);
wchar_t *wstr = new wchar_t[len + 1];
::MultiByteToWideChar(CP_ACP, NULL, str, strlen(str), wstr, len);
wstr[len] = '\0';
memcpy(wstring_, wstr, CHAR_MAX_LEN);
delete wstr;
return wstring_;
}
/***********************************************************************************
该函数映射一个unicode字符串到一个多字节的字符串
int WideCharToMultiByte(
UINT CodePage,
DWORD dwFlags,
LPCWSTR lpWideCharStr,
int cchWideChar,
LPSTR lpMultiByteStr,
int cchMultiByte,
LPCSTR lpDefaultChar,
LPBOOL pfUsedDefaultChar
);
这个跟MultiByteToWideChar()函数不多,多了两个参数lpDefaultChar和pfUsedDefaultChar,只有当WideCharToMultiByte函数遇到
一个宽字节字符,而该字符在uCodePage参数标识的代码页中并没有它的表示法时才会用到,通常取NULL;
返回值:
成功且cchMultiByte不为0:返回由lpMultiByteStr指向的缓冲区中写入的宽字节数
成功且cchMultiByte为0: 返回待转换字符串的缓冲区所需的宽字节数
失败返回0
***************************************************************************************/
char* Char_Convert_Method::UnicodeToAnsi(wchar_t *wstr)
{
int len = ::WideCharToMultiByte(CP_ACP, NULL, wstr, wcslen(wstr), NULL, 0, NULL, NULL);
char *str = new char[len + 1];
::WideCharToMultiByte(CP_ACP, NULL, wstr, wcslen(wstr), str, len, NULL, NULL);
str[len] = '\0';
memcpy(string_, str, CHAR_MAX_LEN);
delete str;
return string_;
}
- Unicode <=> UTF-8
char* Char_Convert_Method::UnicodeToUtf8(wchar_t *wstr)
{
int len = ::WideCharToMultiByte(CP_UTF8, NULL, wstr, wcslen(wstr), NULL, 0, NULL, NULL);
char *str = new char[len + 1];
::WideCharToMultiByte(CP_UTF8, NULL, wstr, wcslen(wstr), str, len, NULL, NULL);
str[len] = '\0';
memcpy(string_, str, CHAR_MAX_LEN);
delete str;
return string_;
}
wchar_t* Char_Convert_Method::Utf8ToUnicode(char *str)
{
int len = ::MultiByteToWideChar(CP_UTF8, NULL, str, strlen(str), NULL, 0);
wchar_t *wstr = new wchar_t[len + 1];
::MultiByteToWideChar(CP_UTF8, NULL, str, strlen(str), wstr, len);
wstr[len] = '\0';
memcpy(wstring_, wstr, CHAR_MAX_LEN);
delete wstr;
return wstring_;
}
- ANSI <=> UTF-8
char* Char_Convert_Method::Utf8ToAnsi(char *str)
{
return UnicodeToAnsi(Utf8ToUnicode(str));
}
char* Char_Convert_Method::AnsiToUtf8(char *str)
{
return UnicodeToUtf8(AnsiToUnicode(str));
}