C++ 标准库的 locale 类用法

原来一篇总结了下 C 标准库的 setlocale() 用法，这篇讲解的是 C++ 标准库中 locale 类的用法。

参考：

• cplusplus.com 上关于标准 C++ 中国际化支持的参考：

  Localization library

  Locale class

• The C++ Standard Library（Nicolai M. Josuttis，侯捷译）第 14 章 Internationalization（国际化）

locale 类在头文件 <locale> 中声明，另外可能会用到 <stdexcept> 中的标准异常类，和<iostream> 中的流对象类。

GNU libstdc++ 中的 locale

参考：

• GNU libstdc++ 在线文档：The GNU C++ Library Documentation

  上面的在线文档可以在 libstdc++ 的源码包中 doc/html 目录下找到。

• Doxygen 生成的 libstdc++ API 参考：libstdc++ Source Documentation

• locale 类参考：std::locale Class Reference

• libstdc++ 在线手册国际化章节：Part VI. Localization

 

1. locale 对象的构造

   构造函数有以下几个常用的重载形式：

   • locale()

     构造一个 locale 对象，它和程序当前的全局 locale 属性相同。

   • explicit locale(const char* _Locname)

     根据 locale 名构造一个 locale 对象，影响该对象的所有的 locale 类别（category），locale 名就是 C 标准库 setlocale() 中使用的名字，所以 libstdc++ 用的是 POSIX 标准的 locale 名，而 Windows CRT 实现的 locale 类，用的是 Windows 的 setlocale() 中特有的 locale 名字。

     和 setlocale() 类似，如果要使用环境设置的 locale 时，可以将 locale 名字写为空字符串""。

     注意这个构造函数被声明为显式的（explicit），说明隐式的参数转换会被认为是语法错误，例如：locale loc = "zh_CN.UTF-8" 会在编译时报错。

     当指定的 locale 名为 NULL，或是一个无效的名字，此构造函数会抛出 runtime_error 异常。

   • locale(const locale& _Loc, const locale& _Other, category _Cat)
     locale(const locale& _Loc, const char* _Locname, category _Cat)
     

     首先用 _Loc 拷贝构造一个 locale 对象作为基础 locale，然后从 _Other 或 _Locname 指定的 locale 中，抽取里面由 _Cat 指定的 category，替换掉基础 locale 中相应的 category。

     category 是 int 的 typedef，在 locale 类内有一些预定义的 category 常量（类静态常量成员），分别对应于 C 标准库中预定义的 locale 类别常量：

     locale::category 常量与 setlocale() 中的 category 参数对应关系locale::category 常量setlocale() 中的 categoryallLC_ALLcollateLC_COLLATEctypeLC_CTYPEmessagesLC_MESSAGESmonetaryLC_MONETARYnone表示所有 category 的空集（LC_ALL 的补集）numericLC_NUMERICtimeLC_TIME

     category 类型被用作掩码类型，所以上面 locale 类别可以用 | 进行组合，比如：monetary | time。

2. locale 类静态方法

   • const locale& classic()

     得到一个表示 C locale 的 locale 对象。

   • locale global(const locale& _Loc)

     设置程序全局 locale 为 _Loc，返回以前的全局 locale。

     所谓全局 locale，就是流对象不用 imbue() 方法采用指定 locale 时的缺省 locale，相当于 C 标准库中 setlocale() 设定的 locale。程序初始化时，全局 locale 为 C locale。

     例如，设定全局 locale 为环境设置的 locale：

     1// 相当于 setlocale(LC_ALL, "");

     2locale::global(locale(""));

3. locale 对象方法

   • string name() const

     返回 locale 的名字，例如，打印当前全局 locale 名字可以为：

     1locale lc;

     2cout << "Current global locale is: " << lc.name() << endl;

     注意：name() 返回的是 string 对象，而 wostream 的 << 操作在 string 上是无定义的，所以这个会出错：wcout << lc.name()，除非自己重载 wostream 的 << 操作。

4. locale 使用示例与问题

   locale 类的作用和 setlocale() 相同：一是输出 wchar_t 字符时，根据活动 locale 将字符从 UCS 编码转换为 Native ANSI 编码，最后传递给终端、控制台设备；另一个作用是使用特定 locale 的某些 category 做操作（相应的函数、方法称为 locale 相关方法），比如：时间、货币文本的格式化，排序等等。

   使用 wcout 流对象和 locale 对象，输出 wchar_t 型字符限制很大，以下是正确向终端输出中文的例子：

   01const wchar_t* strzh = L"中文abc";

   02 

   03try

   04{

   05    locale lc("zh_CN.UTF-8");

   06    locale::global(lc);

   07    // wcout.imbue(lc); // libstdc++ 的实现 imbue() 不起作用

   08    wcout << L"Zhong text is: " << strzh << endl;

   09}

   10catch (runtime_error& e)

   11{

   12    cerr << "Error: " << e.what() << endl;

   13    cerr << "Type:" << typeid(e).name() << endl;

   14}

   上面程序的运行环境为：终端和 shell 都使用 zh_CN.UTF-8 编码，最后用重定向输出到文件的方法测试出：输出的文本为 UTF-8 编码。

   限制来自于：无法混用 char 和 wchar_t 版的流对象，而很多对象只有返回 string 的方法（比如：locale::name()），导致必须使用 char 版的 cout、cerr 等，或者可以用 string::c_str() 方法。

   GNU libstdc++ 中实现的 locale 类，在使用时注意以下问题（VC8 中没有下面前两个问题）：

   • 流对象的 imbue() 方法不起作用

     使用 locale::global() 设定全局 locale 后，wostream 可以输出正确转换的 Native ANSI 编码字符。而使用 wostream::imbue() 后，流对象无法向终端传递正确转换的编码字符。在测试 wcout 时，使用重定向输出到文件的方法发现：wcout 在输出含有 ASCII 外的 wchar_t 时，无法正确转换到 Native ANSI 编码字符，而转换成字节 0x3F（对应 ASCII 字符 ?）。

   • char 和 wchar_t 版的流对象不能混用

     和 glibc 实现的 C 标准库类似，在 libstdc++ 中混用 char 和 wchar_t 版的流对象，也会出现意外的错误，比如下面代码：

     01const wchar_t* strzh = L"中文abc";

     02locale lc("zh_CN.UTF-8");

     03locale::global(lc);

     04 

     05// 这句会引发后面的 wcout 输出错误

     06cout << "abc" << endl;

     07 

     08// 即使刷缓冲区和清空流对象状态也无法解决问题

     09cout.flush();

     10cout.clear();

     11wcout.flush();

     12wcout.clear();

     13 

     14wcout << L"Zhong text is: " << strzh << endl;

     程序的输出如下：

     # ./test_03.exe | hd00000000  61 62 63 0a 5a 68 6f 6e  67 20 74 65 78 74 20 69  |abc.Zhong text i|00000010  73 3a 20 2d 87 61 62 63  0a                       |s: -.abc.|00000019

     上面程序错误之处为：没有将 "中文" 的 UCS-4 LE 编码 2D 4E 00 00 87 65 00 00 转换为正确的 UTF-8 编码 E4 B8 AD E6 96 87，而是将每个 wchar_t 字符的最低字节（L'中' 为 2D，L'文' 为 87）传给了终端。

     如果把 cout << "abc" << endl; 这句放到 wcout 之后，那么 wcout 是可以正常输出中文的，但 cout 就工作不正常了，根本就不向终端传递字符。

   • Cygwin 的 libstdc++ 中的 locale 实现

     测试版本：g++ 4.3.4，bash 3.2.49，cygwin1.dll 1.7.1，libstdc++6 4.3.4-3

     构造 locale 对象时，C.UTF-8，zh_CN.UTF-8，en_US.UTF-8 这些 locale 名字都无效，都会抛出runtime_error 异常，就连使用环境 locale 的空字符串参数 "" 都无效。只有一个 locale 名是有效的，就是最小的 C locale，即程序初始化时的默认locale。另外，Cygwin bash 启动后默认的 locale 为 C.UTF-8，可用查看 LANG 环境变量得知。

   • cout、wcout 与 printf()、wprintf() 的区别

     我的感觉是 cout、wcout 没有 printf()、wprintf() 好用，至少 printf()、wprintf() 都可以输出 wchar_t 型字符，而 cout 默认无法输出 wchar_t 型字符（当然可以自己重载 <<），而把 wchar_t 当整数输出，把 wchar_t[] 和 wchar_t* 输出个首地址。

     wostream 是可以以 char 型字符、字符串为 << 的参数的，但如果传入的 char 型字符在 ASCII 范围之外（在 0x00 ~ 0x7F 之外），wostream 是不会将正确的 Native ANSI 编码序列传递给终端、控制台设备的，导致终端中不会显示超出 ASCII 之外的字符。

     string 没有在 wostream 的 << 上定义，但可以用 string::c_str() 的方法让其输出 char 型字符，前提是事先知道 string 对象中不含有超出 ASCII 之外的字符。

Windows CRT 中的 locale

参考：

• MSDN VC8 参考：

  <locale>

  locale Class

我在 VC8 下测试，和 GNU libstdc++ 的差异挺大，表现结果是：wcout.imbue(lc) 起作用，可以在控制台中输出含中文的 wchar_t 型字符，并且控制台得到的是根据 locale 转换的 Native ANSI 编码。Windows 的 locale 类实现不支持 UTF-8（代码页 65001），所以要用 GBK 的 locale，对应的 locale 名为 chs，长名字：Chinese_People's Republic of China.936。

用 VC8 的 locale::global(lc) 时有个奇怪的现象，它导致后面的 wcout 流输出到控制台完全没有显示，我将输出重定向到文件，发现结果正常，和用 imbue() 输出的相同，为 GBK 编码的中文。所以我认为，无法显示中文字符是 Windows 的控制台设备实现，以及 CRT 和控制台设备交互的问题，CRT 根据 locale 转换编码的工作是正常的。

另外，VC8 的 cout 和 wcout 的混用，以及 printf() 和 wprintf() 混用，都没有 GNU 实现的问题