本文共 4575 字,大约阅读时间需要 15 分钟。
转载请注明出处
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() { //ansitounicodechar*szAnsi="abcd1234你我他";//预转换,得到所需空间的大小intwcsLen=::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=newwchar_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MessageBoxAPI::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CFilecFile;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_twcsStr[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unicodeswprintf(wcsStr,L"%S",szAnsi);::MessageBoxW(GetSafeHwnd(),wcsStr,wcsStr,MB_OK);} Unicode转Ansi 也是2种方法 void CConvertDlg::OnBnClickedButtonUnicodeToAnsi() { //unicodetoansiwchar_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intansiLen=::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=newchar[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MessageBoxAPI::MessageBoxA(GetSafeHwnd(),szAnsi,szAnsi,MB_OK);//接下来写入文本//写文本文件,ANSI文件没有BOMCFilecFile;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");charszStr[100];//注意下面是大写,在ansi中,代表后面是unicode字符串//sprintfsprintf(szStr,"%S",wszString);::MessageBoxA(GetSafeHwnd(),szStr,szStr,MB_OK);} Unicode转UTF8 void CConvertDlg::OnBnClickedButtonUnicodeToU8() { //unicodetoUTF8wchar_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intu8Len=::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=newchar[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0xbfbbefCFilecFile;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() { //UTF8toUnicode//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intwcsLen=::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=newwchar_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MessageBoxAPI::MessageBoxW(GetSafeHwnd(),wszString,wszString,MB_OK);//写文本同ansitounicode} 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
UTF-8转ANSI的方法void ConvertUTF8ToANSI(char* strUTF8,CString &strANSI) // { int nLen = ::MultiByteToWideChar(CP_UTF8,MB_ERR_INVALID_CHARS,(LPCTSTR)strUTF8,-1,NULL,0); //返回需要的unicode长度 WCHAR * wszANSI = new WCHAR[nLen+1]; memset(wszANSI, 0, nLen * 2 + 2); nLen = MultiByteToWideChar(CP_UTF8, 0, (LPCTSTR)strUTF8, -1, wszANSI, nLen); //把utf8转成unicode nLen = WideCharToMultiByte(CP_ACP, 0, wszANSI, -1, NULL, 0, NULL, NULL); //得到要的ansi长度 char *szANSI=new char[nLen + 1]; memset(szANSI, 0, nLen + 1); WideCharToMultiByte (CP_ACP, 0, wszANSI, -1, szANSI, nLen, NULL,NULL); //把unicode转成ansi strANSI = szANSI; delete wszANSI; delete szANSI; }