从主机名到宽字符

C++中字符有所谓宽窄之分，其中窄字符（narrowchar）就是用8bit来表示的字符，最典型的就是ASCII码。而宽字符（wide char）在Windows中用16bit表示，在Linux中则占用32bit，典型的有UNICODE。

 

关于宽字符，百科如是说。

宽字符是双字节多语言字符代码。在当今的全球计算业内使用的大多数字符（包括技术符号和特殊的发布字符），都可以根据 Unicode 规范表示为宽字符形式。无法以 1 个宽字符表示的字符可以通过 Unicode 的代理项功能以 Unicode 对表示。由于每个宽字符总是以固定的 16 位大小表示，因此使用宽字符可以简化使用国际字符集进行的编程。 宽字符字符串表示为一个 wchar_t[] 数组并由 wchar_t* 指针指向它。可以通过用字母 L 作为字符的前缀将任何 ASCII 字符表示为宽字符形式。例如，L'\0' 是终止宽（16 位）NULL 字符。同样，可以通过用字母 L 作为 ASCII 字符串的前缀 (L"Hello") 将任何 ASCII 字符串表示为宽字符字符串形式。 通常，宽字符在内存中占用的空间比多字节字符多，但处理速度更快，因为很多系统的内核包括Windows NT内核都是从底层向上使用Unicode编码的。另外，在多字节编码中一次只能表示一个区域设置，Unicode编码可以毫无障碍地在世界上任何书面语言的字符中转换。

 

为了说明这narrow&wide二者在编码上的区别，本文先引入一个bug，业务背景是这样的——在一台主机名包含中文的Windows机器上安装被测软件client端，安装成功后在软件support dialog中发现主机名显示为乱码。

关于support dialog的示意代码块如下。

CString
SupportDialog::GetHostName()
const
{
  char *hostname = CdkClientInfo_GetHostname();
  CString str = CString (hostname);
  g_free(hostname);
  return str;
} 

读到这里，其实就可以将该问题定位在UTF-8 char*向CString宽字符的转化问题上了。

 

关于char*和CString，简单介绍如下。

char* 是一个指向字符的指针，是一个内置类型。可以指向一个字符，也可以表示字符数组的首地址（首字符的地址）。更多的时候是用的它的第二个功能来表示一个字符串，功能与字符串数组 char ch[n] 一样，表示字符串时，最后有一个 '\0'结束符作为字符串的结束标志.

 

CString（typedef CStringT> CString） 为 MFC中最常用的字符串类，极大地简化了字符串操作。他继承自 CSimpleStringT，主要应用在 MFC 和ATL 编程中，使用CString 时要#include afx.h文件

 

为了解决该问题，本文引入两个工具方法。

CString
UTF8ToCString(constchar *utf8Str) // IN: UTF8 string to convert to UTF16
{
   std::vector<wchar_t> utf16Str;
   if (ConvertUTF8ToUTF16(utf8Str, utf16Str)) {
      return &utf16Str[0];
   } else {
      return _T("");
   }
}

bool
ConvertUTF8ToUTF16(constchar *utf8Str,            // IN:
                   std::vector<wchar_t>&utf16Str) // OUT:
{
   int len = MultiByteToWideChar(CP_UTF8, 0,utf8Str, -1, NULL, 0);
   if (len > 0) {
      utf16Str.resize(len);
      if (MultiByteToWideChar(CP_UTF8, 0,utf8Str, -1, &utf16Str[0], len)) {
         return true;
      }
   }
   return false;
}

修改之前hostname的代码为CString str = UTF8ToCString(hostname);再次进行测试，问题解决！