字符编码的转换(C++为例)

出处:http://www.cppblog.com/chemz/archive/2007/05/30/25133.html

内容如下:

字符集相关问题 字符集目前有两个大的类别:本地字符集和国际字符集,其中每一类别的字符集又有多个 不同的字符编码实例。比如:本地字符集中基本上对于每一个不同的地区和国家就会形成一个 属于自己的字符集(ascii, latin-1, chs等),国际字符集中同样包括多种不同的编码方案 (utf8, utf16等)。 那么在C/C++程序中如何完成上述字符集之间的转换工作呢?分成两种情况: 1. 通过const char *cstr使用开发环境中的编辑器输入字符串常量"中国",如下: const char *cstr = "中国"; 这样一来cstr所指向的字符串内存中保存的则是本地字符编码下所形成的字符串,也 就是说,上面的cstr中存储着chs字符编码集中的字符; 2. 通过const wchar_t *wstr使用开发环境中的编辑器输入字符串常量"中国",如下: const wchar_t *wstr = L"中国"; 这样一来wstr所指向的字符串内存中保存的则是国际字符编码(在VC++下是ucs2, 在gcc下是ucs4)下所形成的字符串,也就是说,上面的wstr中存储着utf16字符编 码集中的字符; 那么如何将cstr转换成为wstr呢?可以通过C语言中的标准转换函数mbstowcs来完成该工 作,此时需要注意的是如果直接使用mbstowcs进行转换会得到一个错误的结果,并不能成功 的完成转换成为国际宽字符的要求,这是为什么呢?在C/C++语言标准中定义了其运行时的 字符集环境为"C",也就是ASCII字符集的一个子集,那么mbstowcs在工作时会将cstr中所包 含的字符串看作是ASCII编码的字符,而不认为是一个包含有chs编码的字符串,所以他会将 每一个中文拆成2个ASCII编码进行转换,这样得到的结果就是会形成4个wchar_t的字符组成 的串,那么如何才能够让mbstowcs正常工作呢?在调用mbstowcs进行转换之间必须明确的告 诉mbstowcs目前cstr串中包含的是chs编码的字符串,通过setlocale( LC_ALL, "chs" )函数 调用来完成,需要注意的是这个函数会改变整个应用程序的字符集编码方式,必须要通过重 新调用setlocale( LC_ALL, "C" )函数来还原,这样就可以保证mbstowcs在转换时将cstr中 的串看作是中文串,并且转换成为2个wchar_t字符,而不是4个。

THE END