VC中Ansi、Unicode、UTF8字符串之间的转换和写入文本

VC中Ansi、Unicode、UTF8字符串之间的转换和写入文本

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