Qt 字符集与编码

前言

---

有时候程序显示的中文是乱码，这就需要对编码有一定的了解才能避免中文乱码的问题。

字符编码

---

任何字符在计算机内部都是用数字表示的，即字符编码

不同国家和地区都为自己的语言定义了不同的编码标准：

• 英语国家：基本 ASCII，用 1 个字节编码，数字 0~127 代表 128 个字符，包括英语中的大小写字母、数字 0~9、标点符号、换行符、制表符、退格符等
• 欧洲国家：扩展 ASCII（Latin1），也是用 1 个字节编码，它用 128~255 表示拉丁字母表中特殊语言字符的编码
• 中国大陆：GBK，21003 个字符
• 港台地区：BIG5，13060 个字符

ASCII 和 Latin1 都是使用 1 个字节编码，最多只有 256 个字符，无法表示汉字、日语等其他语言里的字符，虽然其他国家各自制定了满足本国需求的字符编码，但各国之间编码不统一，带来了许多麻烦，因此又出现了 Unicode 编码。

统一编码

---

国际标准化组织制定的 ISO/IEC 10646 标准是一种可以支持世界上所有语言文字的字符编码标准，称为 Unicode

根据字长的不同，Unicode 又被分为两个字符集：UCS-2 和 UCS-4

UCS 转换格式（UCS Transformation Format，UTF）

---

无论是 UCS-2 还是 UCS-4，作为 Unicode 字符集，它们都只是规定了如何对一个字符编码，但并没有规定如何传输、保存这个编码，即在程序中如何表示这个编码，而 UTF 所要解决的就是这个问题。

根据转换算法的不同 Unicode 的存储方式可以被分为：UTF-8、UTF-16、UTF-32

UTF-8 表示最少使用 8 位（即 1 个字节）来代表 1 个字符。当需要使用更多的字节表示一个字符时，UTF-8 会在第一个字节的高位标记这个字符需要使用的总字节数。因此，UTF-8 编码中的一个字符可能会使用 1~4 个字节。

同理，UTF-16 表示最少使用 2 个字节编码。

Qt 内部编码

---

Qt Creator 存储的 C++ 语言头文件和源程序文件都是默认使用 UTF-8 编码

但是，QString、QChar、QTextStream 类使用的是 UTF-16 编码

在 QString Class 中的描述中已经给出：
The QString class provides a Unicode character string.

QString str{"你好"};
qDebug("str = %s", str.data());                // str = `O}Y
qDebug("str = %s", str.toStdString().c_str()); // str = 你好
qDebug("str = %s", str.toLocal8Bit().data());  // str = ????
qDebug("str = %s", str.toUtf8().data());       // str = 你好

qDebug() << "QString :" << sizeof(QString);                          // QString : 24
qDebug() << "str :" << sizeof(str);                                  // str : 24
qDebug() << "str[1] :" << sizeof(str[1]);                            // str[1] : 2
qDebug() << "char* :" << sizeof("hello");                            // char* : 6
qDebug() << "std::string :" << sizeof(std::string);                  // std::string : 40
qDebug() << "std::string :" << sizeof(str.toStdString().c_str()[1]); // std::string : 1
qDebug() << "int :" << sizeof(int);                                  // int : 4

外部编码

---

程序源代码中使用的字面值形式的字符和字符串、用户通过程序界面输入的字符和字符串，以及程序通过文件、网络、进程间通信或其他媒介读取的字符和字符串，受系统环境等因素的影响，通常会是各种各样的编码格式，一般将其统称为外部编码

编码转换

---

默认情况下，Qt 5以后的版本都能正确理解 UTF-8 格式编码，并将其自动转换为内部的 Unicode 编码。

如果使用 UTF-8 的中文字符串总是能够正确显示，但是如果使用其他格式的外部编码，比如 Windows 中常用的 GBK 编码，将会出现乱码现象。

解决办法：通过 QTextCodec 实现编码转换

QTextCodec *codec = QTextCodec::codecForName("GBK");
QString string = codec->toUnicode("将GBK编码的中文字符串改为Unicode编码")

在 Qt 6 往后的版本中，QTextCodec 已被去除，需要安装扩展模块 Qt 5 Compatibility Module
详情见：QT6中QTextcodec头文件找不到 - CSDN

Refer & Relevant

---

• 1.03第一个Qt程序 - bilibili