mbstowcs 和 wcstombs函数:C语言提供的宽字符和多字节字符转换函数

C语言中的多字节字符与宽字符
字符型char只占八位,存储ascii码的,而宽字符型是为了存储多国语言的代码unicode,包括中文,法语德语什么的,8位256种不够用了


C语言原本是在英文环境中设计的,主要的字符集是7位的ASCII码,8位的byte(字节)是最常见的字符编码单位。但是国际化软件必须能够表示不同的字符,而这些字符数量庞大,无法使用一个字节编码。 
  C95标准化了两种表示大型字符集的方法:宽字符(wide character,该字符集内每个字符使用相同的位长)以及多字节字符(multibyte character,每个字符可以是一到多个字节不等,而某个字节序列的字符值由字符串或流(stream)所在的环境背景决定)。


  自从1994年的增补之后,C语言不只提供char类型,还提供wchar_t类型(宽字符),此类型定义在stddef.h 头文件中。wchar_t指定的宽字节类型足以表示某个实现版本扩展字符集的任何元素。


  在多字节字符集中,每个字符的编码宽度都不等,可以是一个字节,也可以是多个字节。源代码字符集和运行字符集都可能包含多字节字符。多字节字符可以被用于字符的常量、字符串字面值(string literal)、标识符(identifier)、注释(comment),以及头文件。


  C语言本身并没有定义或指定任何编码集合,或任何字符集(基本源代码字符集和基本运行字符集除外),而是由其实现指定如何编码宽字符,以及要支持什么类型的多字节字符编码机制。


  虽然C标准没有支持Unicode字符集,但是许多实现版本使用Unicode转换格式UTF-16和UTF-32来处理宽字符。如果遵循Unicode标准,wchar_t类型至少是16或32位长,而wchar_t类型的一个值就代表一个Unicode字符。


  UTF-8是一个由Unicode CONsortium(万国码联盟)定义的实现,可以表示Unicode字符集的所有字符。UTF-8字符所使用的空间大小从一个字节到四个字节都有可能。


  多字节字符和宽字符(也就是wchar_t)的主要差异在于宽字符占用的字节数目都一样,而多字节字符的字节数目不等,这样的表示方式使得多字节字符串比宽字符串更难处理。比方说,即使字符'A'可以用一个字节来表示,但是要在多字节的字符串中找到此字符,就不能使用简单的字节比对,因为即使在某个位置找到相符合的字节,此字节也不见得是一个字符,它可能是另一个不同字符的一部分。然而,多字节字符相当适合用来将文字存储成文件。


  C提供了一些标准函数,可以将多字节字符转换为wchar_t,或将宽字符转换为多字节字符。比方说,如果C 编译器使用Unicode 标准的UTF-16 和UTF-8,那么下面调用wctomb()函数就可以获得字符的多字节表示方式(注:wctomb = wide character to multibyte)。


在我们常用的类型string和char中,对中文支持并不是很好。在这两种类型中,中文都是两个字节,也就是说中文的汉字要占用两个位置,举个简单的例子,一个“汉”字用一个char是无法表示的,即    char c = '汉' ;  是错误的,必须用 char c[3]  = "汉". 汉字占用两个字节,还有一个结尾符“0/”。string s = "汉" ; s.length()的值是2. 


通过以上描述,我们会发现,我们在进行包含中文字符串处理的过程中就会遇到以下问题:在包含数字,字母,汉字的字符串处理中我们应该怎样应付各个字符占多少个字节?总不能在处理之前先转换成ASCII码判断它属于哪种字符在进行处理吧?中文取两个,字母和数字取一个。在进行判断相等与否时也遇到了问题。

mbstowcs 和 wcstombs函数:C语言提供的宽字符和多字节字符转换函数

本文介绍两个由C语言提供的宽字符(wchar_t类型)和多字节字符( 一个字符用一个或者多个字节表示) 转换函数,因此具有通用性(在Windows/Linux系统中都可以使用):
所需头文件:#include <stdlib.h>
( 1 ) mbstowcs()
功能:把多字节字符转换成宽字符
原型: 
size_t mbstowcs(
   wchar_t *wcstr,
   const char *mbstr,
   size_t count 
);
参数:
1> wcstr 目标缓存,用来存放转换之后的宽字节字符;当取值为NULL时,返回值为目标缓存所需wchar_t类型的个数
2> mbstr 用来存放待转换的多字节字符串
3> count 用来指定最多转换多少Byte。当wcstr取值为NULL时,该值无用
返回值:
转换成功,且wcstr == NULL时,返回目标缓存所需的大小(wchar_t 类型个数,但不含终结符);
转换成功,且wcstr != NULL时,返回转换的字节数;
转换不成功,返回(size_t) (-1);
使用步骤:
1) 调用mbstowcs()函数,设置参数 wcstr 为NULL(用以获取转换所需的接收缓冲区大小);
2) 给目标缓存区分配足够的内存块,用于存放转换后的wchar_t字符串;
注意:该内存块的大小由首次调用mbstowcs()函数的返回值来决定(该返回值不包含终止符的空间)
3) 再次调用mbstowcs()函数,这次将目标缓存的地址作为 wcstr 参数来传递;
代码示例:
[cpp] view plaincopy
strcpy(sBuf, "我最棒");  
size_t sSize=strlen(sBuf);  
  
wchar_t * dBuf=NULL;  
  
<SPAN style="COLOR: #ff0000">//注意:需要多分配一个空间,以存放终止符</SPAN>   
int dSize=mbstowcs(dBuf, sBuf, 0)+1;  
  
dBuf=new wchar_t[dSize];  
wmemset(dBuf, 0, dSize);  
  
int nRet=mbstowcs(dBuf, sBuf, sSize);  
if(nRet<=0)  
{  
    printf("转换失败\n");  
}  
else  
{  
    printf("转换成功%d字符\n", nRet);  
    wprintf(L"%ls\n", dBuf);  
}  
[cpp] view plain copy
strcpy(sBuf, "我最棒");  
size_t sSize=strlen(sBuf);  
  
wchar_t * dBuf=NULL;  
  
<span style="color:#ff0000;">//注意:需要多分配一个空间,以存放终止符</span>  
int dSize=mbstowcs(dBuf, sBuf, 0)+1;  
  
dBuf=new wchar_t[dSize];  
wmemset(dBuf, 0, dSize);  
  
int nRet=mbstowcs(dBuf, sBuf, sSize);  
if(nRet<=0)  
{  
    printf("转换失败\n");  
}  
else  
{  
    printf("转换成功%d字符\n", nRet);  
    wprintf(L"%ls\n", dBuf);  
}  
( 2 ) wcstombs()
功能:
把宽字符把转换成多字节字符串
原型:
size_t wcstombs(
   char *mbstr,
   const wchar_t *wcstr,
   size_t count 
);
参数:
1> wcstr 目标缓存,用来存放转换之后的多字节字符;当取值为NULL时,返回值为目标缓存所需wchar_t类型的个数;
2> mbstr 用来存放待转换的宽字符;
3> count 用来指定接收缓存里能够存储的最大的字节数;
返回值:
转换成功,且mbstr == NULL时,返回目标缓存所需的大小(char 类型个数,但不含终结符);
转换成功,且mbstr != NULL时,返回转换的字节数;
转换不成功,返回(size_t)(-1);
注意:
 If wcstombs encounters a wide character it cannot be convert to a multibyte character, it returns –1 cast to type size_t.
使用方法:
与mbstowcs()方法类似
示例代码:
[cpp] view plaincopy
wchar_t sBuf[20]={0};  
wcscpy(sBuf, L"Hello");  
size_t sSize=wcslen(sBuf);  
  
  
char * dBuf=NULL;  
  
  
int dSize=wcstombs(dBuf, sBuf, 0)+1;  
printf("需要%d Char\n", dSize);  
  
dBuf=new char[dSize];  
memset(dBuf, 0, dSize);  
  
  
int nRet=wcstombs(dBuf, sBuf, dSize);  
  
if(nRet<=0)  
{  
    printf("转换失败\n");  
}  
else  
{  
    printf("转换成功%d字符\n", nRet);  
    printf("%s\n", dBuf);  
}  
[cpp] view plain copy
wchar_t sBuf[20]={0};  
wcscpy(sBuf, L"Hello");  
size_t sSize=wcslen(sBuf);  
  
  
char * dBuf=NULL;  
  
  
int dSize=wcstombs(dBuf, sBuf, 0)+1;  
printf("需要%d Char\n", dSize);  
  
dBuf=new char[dSize];  
memset(dBuf, 0, dSize);  
  
  
int nRet=wcstombs(dBuf, sBuf, dSize);  
  
if(nRet<=0)  
{  
    printf("转换失败\n");  
}  
else  
{  
    printf("转换成功%d字符\n", nRet);  
    printf("%s\n", dBuf);  
}  
上面的代码在转换英文的时候没有问题,在转换中文时,wcstombs()函数会返回-1
注意:
宽字节,即wchar_t 类型采用Unicode编码方式,在Windows中为utf-16,在Linux中为utf-32
而多字节则可能是其他很多编码方式,如utf-8、GB232....
因此,需要指定多字节编码类型,才能进行正常的转换过程。
设置或获取多字节编码方式用函数:setlocale()
所需头文件:locale.h
#include <locale.h>

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

魏波.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值