2025年了，中文乱码的问题仍然存在？

背景

本文思路来源于交流群内两个群友提出的问题，（如果想加群可加我微信，二维码见文末），问题详情如下：

这两个问题存在一个共同现象：英文可以正常生成和解析，一旦涉及到中文便会出现乱码。基于此现象猜测原因为中文字符串编码/解码的问题。最终均引导（请允许我妄自尊大的称之为引导）读者朋友解决了相应问题。

解决方案

由于如上的两个问题分别涉及到QString和std::string，故其解决方案分别叙述如下：

QString

针对于QString，之前的经验是字符传输、编码时不要使用中文，如果存在中文，则需要将中文转换为html字符串，所以解决方案为

• 使用QString::toHtmlEscaped()将中文转换为html字符串
• 自定义解析html字符串

//转为为html字符串
QString str = "中华<:>vcg.com<:>0^v^人民<:>1<:>0<|>共和国<:>vcg*33*lei<:>2<|>万岁<:>15912344321<:>0";
auto html_str = str.toHtmlEscaped();


//自定义解析html字符串
QString fromHtmlEscaped(const QString& htmlEscaped) {
    QString result = htmlEscaped;
    // 替换常见的 HTML 转义字符
    result.replace("&lt;", "<");
    result.replace("&gt;", ">");
    result.replace("&amp;", "&");
    result.replace("&quot;", "\"");
    result.replace("&#39;", "'");
    result.replace("&nbsp;", " ");
    // 可以根据需要添加更多的 HTML 转义字符替换

    return result;
}

std::string

读者朋友经过与服务端同学沟通，其字符串编码为utf-8，所以解决方案为将字符串转换为utf-8编码的std::string，最终解决了问题，部分代码如下：

// 字符串解码为utf-8
std::string decoded2Utf8(const std::string& input) {
    std::wstring_convert<std::codecvt_utf8<wchar_t>> converter;
    auto wstr = converter.from_bytes(input);
    return converter.to_bytes(wstr);
}

乱码

基于如上的两个问题，再次回顾中文乱码问题。乱码的出现往往是编解码不匹配导致。所谓编码就是将字符映射到二进制数据的过程，而解码则是将二进制数据还原为字符的过程。如果编码和解码的不匹配时，就会出现乱码。例如，如果使用UTF-8编码保存文件，但使用GBK解码，则原本的中文字符可能会被误读为乱码。

建议

为了避免乱码问题，开发者可以采取以下几种方法来确保正确的编码转换和字符串处理。

• 避免使用中文：结合如上的两个问题，英文状态下不存在任何问题，一旦涉及到中文便会出现乱码，所以应该尽量避免使用中文。但是开发者不能限制业务——业务中不使用中文，但开发者能做的是进行转换，如上文中的将含有中文的QString转换为html字符串，最后显示时再html转换为带有中文的QString。
• 使用统一的编码格式：在处理字符串时，确保使用统一的编码格式。UTF-8是当前互联网最常用的字符编码格式，它兼容ASCII且能表示几乎所有语言的字符。使用UTF-8编码/解码可以最大限度地减少跨平台时的编码问题。
• 使用第三方库进行编码转换：C++标准库并没有内建的工具来处理编码转换，因此开发者常常依赖于第三方库，如Boost.Locale或iconv，来进行字符编解码转换。

总结

总的来说，中文乱码问题并非一个过时的话题，反而是日常开发中时常遇到的一个实际问题。在尽量避免使用中文的基础上，需要确保编码和解码的一致性，以确保字符的正确显示和处理，避免出现乱码的情况。