最近有人问我关于这个的问题,就此写一篇blog 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unsigned short*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,主要用代码来说明吧 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 Ansi转Unicode 介绍2种方法
void
CConvertDlg::OnBnClickedButtonAnsiToUnicode()
{ // 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); }
Unicode转Ansi 也是2种方法
void
CConvertDlg::OnBnClickedButtonUnicodeToAnsi()
{ // 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); }
Unicode转UTF8
void
CConvertDlg::OnBnClickedButtonUnicodeToU8()
{ // 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; }
UTF8转UNICODE
void
CConvertDlg::OnBnClickedButtonU8ToUnicode()
{ // 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2次转换即可 by greatws