一、一个简单的 Qt 程序
下面这个小程序,估计大家会感到比较亲切。似乎有相当多的中文用户尝试写过这样的代码:
#include
#include
int main(int argc, char **argv)
{
QApplication
app(argc, argv);
QString
a= "我是汉字";
QLabel
label(a);
label.show();
return
app.exec();
}
编码,保存,编译,运行,一切都很顺利,可是结果呢:
[list=disc]
多数用户看到
其他用户看到
ÎòêÇoo×Ö
我æ˜ˉæ±‰å —
出乎意料,界面上中文没显示出来,出现了不认识字符。
于是开始用搜索引擎搜索,开始上论坛发帖或抱怨
最后被告知,下面的语句之一可以解决问题:
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GB2312"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));
两条指令挨个一试,确实可以解决(多数用户是第一条,其他用户是第二条)。那么,为什么会这样呢?
二、两种乱码什么时候出现
对这个问题,我想大家可能都有话说。在继续之前,我们先列个表,看看两种乱码分别在那种情况下出现:
我们只列举大家最常用的3个编译器(微软VS的中的cl,Mingw中的g++,Linux下的g++),源代码分别采用 GBK
和 不带BOM的UTF-8
以及 带BOM的UTF-8
这3中编码进行保存。
[list=disc]
源代码的编码
编译器
结果
GBK
cl
1
*
mingw-g++
1
*
g++
1
UTF-8(不带BOM)
cl
2
mingw-g++
2
g++
2
*
UTF-8(带BOM)
cl
1
mingw-g++
2
g++
编译失败
采用3种不同编码保存的源代码文件,分别用3种不同的编译器编译,形成9种组合,除掉一种不能工作的情况,两种乱码出现的情况各占一半。
从中我们也可以看出,乱码和操作系统原本是没有关系的。但我们在 Windows 一般用的GBK,linux一般用的是不带BOM的UTF-8。如果我们只考虑带*的情况,也可以说两种乱码和系统有关。
三、QString 为什么会乱码呢
真的是 QString 乱码了吗?我们可以问问自己,我们抱怨的对象是不是搞错了?
继续之前,先明确几个概念:
明确概念0:
[list=disc]
"我是汉字" 是C语言中的字符串,它是char型的窄字符串。上面的例子可写为
const char * str = "我是汉字";
QString a= str;
或
char str[] = "我是汉字";
QString a= str;
等
明确概念1:
[list=disc]
源文件是有编码的,但是这种纯文本文件却不会记录自己采用的编码
这个是问题的根源,不妨做个试验,将前面的源代码保存成GBK编码,用16进制编辑器能看到引号内是ce d2 ca c7 ba
ba d7 d6这样8个字节。
现在将该文件拷贝到正体(繁体)中文的Windows中,用记事本打开会什么样子呢?
...
QString
a= "扂岆犖趼";
QLabel
label(a);
label.show();
...
那么放到欧美人的Windows系统中,再用记事本打开呢?
...
QString
a= "ÎòêÇoo×Ö";
QLabel
label(a);
label.show();
...
同一个文件,未做任何修改,但其中的8个字节ce d2 ca c7
ba ba d7 d6,对用GBK的大陆人,用BIG5的港澳台同胞,以及用Latin-1的欧洲人看来,看到的却是完全不同的文字。
明确概念2:
[list=disc]
如同我们都了解的'A'与'x41'等价一样。
GBK编码下的
const char * str = "我是汉字"
等价于
const char * str
="xcexd2xcaxc7xbaxbaxd7xd6";
当用UTF-8编码时,等价于
const char * str =
"xe6x88x91xe6x98xafxe6xb1x89xe5xadx97";
注意:这个说法不全对,比如保存成带BOM的UTF-8,用cl编译器时,汉字本身是UTF-8编码,但程序内保存时却是对应的GBK编码。
明确概念3:
[list=disc]
QString 内部采用的是Unicode。
QString内部采用的是
Unicode,它可以同时存放GBK中的字符"我是汉字",BIG5中的字符"扂岆犖趼" 以及Latin-1中的字符"ÎòêÇoo×Ö"。
一个问题是,源代码中的这8个字节"xcexd2xcaxc7xbaxbaxd7xd6",该怎么转换成Unicode并存到 QString
内?按照GBK、BIG5、Latin-1还是其他方式...
在你不告诉它的情况下,它默认选择了Latin-1,于是8个字符"ÎòêÇoo×Ö"的unicode码被存进了QString中。最终,8个Latin字符出现在你期盼看到4中文字符的地方,所谓的乱码出现了
四、QString 工作方式
const char * str = "我是汉字";
QString a= str;
其实很简单的一个问题,当你需要从窄字符串 char*
转成Unicode的QString字符串的,你需要告诉QString你的这串char*
中究竟是什么编码?GBK、BIG5、Latin-1
理想情况就是:将char* 传给QString时,同时告诉QString自己的编码是什么:
就像下面的函数一样,QString的成员函数知道按照何种编码来处理 C 字符串
QString QString::fromAscii ( const char *str, int
size = -1 )
QString QString::fromLatin1 ( const char * str,
int size = -1 )
QString QString::fromLocal8Bit ( const char *
str, int size = -1 )
QString QString::fromUtf8 ( const char * str, int
size = -1 )
单QString 只提供了这几个成员函数,远远满足不了大家的需求,比如,在简体中文Windows下,local8Bit是GBK,可是有一个char串是 BIG5 或 Latin-2怎么办?
那就动用强大的QTextCodec吧,首先QTextCodec肯定知道自己所负责的编码的,然后你把一个char串送给它,它就能正确将其转成Unicode了。
QString QTextCodec::toUnicode ( const char* chars
) const
可是这个调用太麻烦了,我就想直接
QString a= str;
或
QString a(str);
这样用怎么办?
这样一来肯定没办法同时告诉 QString
你的str是何种编码了,只能通过其他方式了。这也就是开头提到的
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GBK"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));
设置QString默认采用的编码。而究竟采用哪一个,一般来说就是源代码是GBK,就用GBK,源代码是UTF-8就用UTF-8。但有一个例外,如果你保存成了带BOM的UTF-8而且用的微软的cl编译器,此时仍是GBK。