字符与编码

摘自：白乔, 左飞. 把脉VC++. 2009年7月. P176, P183~187.

 

1. 概念

• 多字节字符集：MBCS，Multi-Bytes Charecter Set，是一种不同长度混排的编码方法。这种编码被称为GB2312，与ASCII码兼容。如："中文ABC"所占的字节数是 2*2+3 = 7。
• 宽字节字符：使用UNICODE编码进行存放的字符。

2. 转换

• mbtowc：将多字节字符转换成wchar_t；
• wctomb：将wchar_t转换成多字节字符；
• mbstowcs：将多字节字符串转换成wchar_t字符串；
• wcstombs：将wchar_t字符串转换成多字节字符串。

注：头文件是stdlib.h或cstdlib；
    除mbtowc外，其它都有对应的_s版本，应使用_s版。

 

    UNICODE字符集和MBCS字符集之间的转换方法还可以利用Windows提供的转换函数WideCharToMultiByte()和MultiByteToWideChar()来完成。函数原型如下：

int WideCharToMultiByte( UINT CodePage, DWORD dwFlags, LPCWSTR lpWideCharStr, int cchWideChar, LPSTR lpMultiByteStr, int cbMultiByte, LPCSTR lpDefaultChar, LPBOOL lpUsedDefaultChar); int MultiByteToWideChar( UINT CodePage, DWORD dwFlags, LPCSTR lpMultiByteStr, int cbMultiByte, LPWSTR lpWideCharStr, int cchWideChar );

    WideCharToMultiByte()用来将宽字节字符转换成MBCS，MultiByteToWideChar()用来将MBCS转换成宽字符。通常情况下，可能开始并不知道转换之后的字符串会占用多大的字节，这时可以将参数cbMultiByte置为0 ，预先调用一次WideCharToMultiByte()和MultiByteToWideChar()，它们的返回值即为目标字符串的字节大小，然后再利用该大小作为参数cbMultiByte，再次调用函数即可。

 

    此外，也可以用_bstr_t类来实现字符编码的转换。_bstr_t的构造函数如下：

_bstr_t() throw(); _bstr_t( const _bstr_t& s1 ) throw(); _bstr_t( const char* s2 ); _bstr_t( const wchar_t* s3 ); _bstr_t( const _variant_t& var ); _bstr_t( BSTR bstr, bool fCopy );

    可以看出，_bstr_t同时支持 char* 和 wchar_t* 类型。_bstr_t提供了如下转换操作符函数：

operator const wchar_t*() const throw(); operator wchar_t*() const throw(); operator const char*() const; operator char*() const;

    示例代码：

#include "comutil.h"#pragma comment(lib, "comsuppw.lib") // 或 comsuppwd.lib int main(){ setlocale(LC_ALL, "chs"); char s1[] = "中文ABC"; wchar_t s2[] = L"武林外传"; // 使用xtoy转换 // s2-->p1 // 第一次调用，计算MBCS字符串字节长度 int len1 = WideCharToMultiByte( CP_ACP, 0, s2, // 宽字符串指针 sizeof(s2), // 宽字符串长度 NULL, 0, // 参数0表示计算转换后的字符空间 NULL, NULL); char* p1 = new char[len1]; WideCharToMultiByte( CP_ACP, 0, s2, // 宽字符串指针 sizeof(s2), // 宽字符串长度 p1, // 转换后的字符串指针 len1, // 给出空间大小 NULL, NULL); printf("%s/r/n", p1); delete [] p1; // s1-->p2 // 第一次调用，计算宽字符串字节长度 int len2 = MultiByteToWideChar( CP_ACP, 0, s1, // MBCS字符串指针 sizeof(s1), // MBCS字符串长度 NULL, 0); wchar_t* p2 = new wchar_t[len2]; MultiByteToWideChar( CP_ACP, 0, s1, // MBCS字符串指针 sizeof(s1), // MBCS字符串长度 p2, // 转换后的字符串指针 len2); printf("%S/r/n", p2); delete [] p2; // 使用BSTR完成转换 _bstr_t bs1(s1); _bstr_t bs2(s2); char* bp1 = bs2; printf("%s/r/n", bp1); wchar_t* bp2 = bs1; printf("%S/r/n", bp2); return 0;}

 

 

3. 编写通用的程序

• 在编程的时候使用TCHAR数据类型，此类型能够根据预编译宏的定义，将其转换为ANSI或者是Unicode；
• 预编译宏_MBCS、_UNICODE和UNICODE。_MBCS是多字节和ANSI字符串的编译宏，此时TCHAR将转换为char。_UNICODE和UNICODE是Unicode编码的预编译宏，TCHAR将转换为wchar_t；
• _UNICODE和UNICODE与_MBCS不能在编译的时候同时被定义；
• _UNICODE宏用于C运行期库的头文件，UNICODE宏用于Windows头文件，一般同时定义这两个宏。