C++中ANSI、Unicode、UTF8字符串之间的互转

C++中ANSI、Unicode、UTF8字符串之间的互转

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unsignedshort*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，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。

1.ANSI转Unicode

void AnsiToUnicode()
{
	// 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);
}

2. Unicode转ANSI

void UnicodeToAnsi()
{
	// 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);
}

3. Unicode转UTF8

void UnicodeToU8()
{
	// 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;
}

4.UTF8转UNICODE

void CDeleteDirTestDlg::U8ToUnicode()
{
	//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，进行两次转换即可。