我愛我的家園!

Ansi、Unicode、UTF8字符串之間的轉換和寫入文本文件

轉載請注明出處http://www.cppblog.com/greatws/archive/2008/08/31/60546.html

最近有人問我關于這個的問題，就此寫一篇blog

Ansi字符串我們最熟悉，英文占一個字節，漢字2個字節，以一個\0結尾，常用于txt文本文件
Unicode字符串，每個字符(漢字、英文字母)都占2個字節，以2個連續的\0結尾，NT操作系統內核用的是這種字符串，常被定義為typedef unsigned short wchar_t;所以我們有時常會見到什么char*無法轉換為unsigned short*之類的錯誤，其實就是unicode
UTF8是Unicode一種壓縮形式，英文A在unicode中表示為0x0041，老外覺得這種存儲方式太浪費，因為浪費了50%的空間，于是就把英文壓縮成1個字節，成了utf8編碼，但是漢字在utf8中占3個字節，顯然用做中文不如ansi合算，這就是中國的網頁用作ansi編碼而老外的網頁常用utf8的原因。
UTF8在還游戲里運用的很廣泛，比如WOW的lua腳本等

下面來說一下轉換，主要用代碼來說明吧
寫文件我用了CFile類，其實用FILE*之類的也是一樣，寫文件和字符串什么類別沒有關系，硬件只關心數據和長度

Ansi轉Unicode
介紹2種方法

void ?CConvertDlg::OnBnClickedButtonAnsiToUnicode()
{
???? // ?ansi?to?unicode
???? char * ?szAnsi? = ? " abcd1234你我他 " ;
???? // 預轉換，得到所需空間的大小
???? int ?wcsLen? = ?::MultiByteToWideChar(CP_ACP,?NULL,?szAnsi,?strlen(szAnsi),?NULL,? 0 );
???? // 分配空間要給'\0'留個空間，MultiByteToWideChar不會給'\0'空間
????wchar_t * ?wszString? = ? new ?wchar_t[wcsLen? + ? 1 ];
???? // 轉換
????::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);

???? // 接下來寫入文本
???? // 寫文本文件，頭2個字節0xfeff，低位0xff寫在前
????CFile?cFile;
????cFile.Open(_T( " 1.txt ") ,?CFile::modeWrite? | ?CFile::modeCreate);
???? // 文件開頭
????cFile.SeekToBegin();
????cFile.Write( " \xff\xfe " ,? 2 );
???? // 寫入內容
????cFile.Write(wszString,?wcsLen? * ? sizeof (wchar_t));
????cFile.Flush();
????cFile.Close();
????delete[]?wszString;
????wszString? = NULL;


???? // 方法2
???? // 設置當前地域信息，不設置的話，使用這種方法，中文不會正確顯示
???? // 需要#include<locale.h>
????setlocale(LC_CTYPE,? " chs " );?
????wchar_t?wcsStr[ 100 ];
???? // 注意下面是大寫S，在unicode中，代表后面是ansi字符串
???? // swprintf是sprintf的unicode版本
???? // 格式的前面要加大寫L，代表是unicode
????swprintf(wcsStr,?L " %S " ,?szAnsi);
????::MessageBoxW(GetSafeHwnd(),?wcsStr,?wcsStr,?MB_OK);

}

void?CConvertDlg::OnBnClickedButtonUnicodeToAnsi()
{
????//?unicode?to?ansi
????wchar_t*?wszString?=?L"abcd1234你我他";
????//預轉換，得到所需空間的大小，這次用的函數和上面名字相反
????int?ansiLen?=?::WideCharToMultiByte(CP_ACP,?NULL,?wszString,?wcslen(wszString),?NULL,?0,?NULL,?NULL);
????//同上，分配空間要給'\0'留個空間
????char*?szAnsi?=?new?char[ansiLen?+?1];
????//轉換
????//unicode版對應的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);

????//接下來寫入文本
????//寫文本文件，ANSI文件沒有BOM
????CFile?cFile;
????cFile.Open(_T("1.txt"),?CFile::modeWrite?|?CFile::modeCreate);
????//文件開頭
????cFile.SeekToBegin();
????//寫入內容
????cFile.Write(szAnsi,?ansiLen?*?sizeof(char));
????cFile.Flush();
????cFile.Close();
????delete[]?szAnsi;
????szAnsi?=NULL;


????//方法2
????//和上面一樣有另一種方法
????setlocale(LC_CTYPE,?"chs");?
????char?szStr[100];
????//注意下面是大寫，在ansi中，代表后面是unicode字符串
????//sprintf
????sprintf(szStr,?"%S",?wszString);
????::MessageBoxA(GetSafeHwnd(),?szStr,?szStr,?MB_OK);
}

void?CConvertDlg::OnBnClickedButtonUnicodeToU8()
{
????//?unicode?to?UTF8
????wchar_t*?wszString?=?L"abcd1234你我他";
????//預轉換，得到所需空間的大小，這次用的函數和上面名字相反
????int?u8Len?=?::WideCharToMultiByte(CP_UTF8,?NULL,?wszString,?wcslen(wszString),?NULL,?0,?NULL,?NULL);
????//同上，分配空間要給'\0'留個空間
????//UTF8雖然是Unicode的壓縮形式，但也是多字節字符串，所以可以以char的形式保存
????char*?szU8?=?new?char[u8Len?+?1];
????//轉換
????//unicode版對應的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,所以只能寫文件

????//接下來寫入文本
????//寫文本文件，UTF8的BOM是0xbfbbef
????CFile?cFile;
????cFile.Open(_T("1.txt"),?CFile::modeWrite?|?CFile::modeCreate);
????//文件開頭
????cFile.SeekToBegin();
????//寫BOM，同樣低位寫在前
????cFile.Write("\xef\xbb\xbf",?3);
????//寫入內容
????cFile.Write(szU8,?u8Len?*?sizeof(char));
????cFile.Flush();
????cFile.Close();
????delete[]?szU8;
????szU8?=NULL;

}

void?CConvertDlg::OnBnClickedButtonU8ToUnicode()
{
????//UTF8?to?Unicode
????//由于中文直接復制過來會成亂碼，編譯器有時會報錯，故采用16進制形式
????char*?szU8?=?"abcd1234\xe4\xbd\xa0\xe6\x88\x91\xe4\xbb\x96\x00";
????//預轉換，得到所需空間的大小
????int?wcsLen?=?::MultiByteToWideChar(CP_UTF8,?NULL,?szU8,?strlen(szU8),?NULL,?0);
????//分配空間要給'\0'留個空間，MultiByteToWideChar不會給'\0'空間
????wchar_t*?wszString?=?new?wchar_t[wcsLen?+?1];
????//轉換
????::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);

????//寫文本同ansi?to?unicode
}

posted on 2008-09-04 17:12 死神 閱讀(10081) 評論(0)  編輯  收藏 所屬分類: Windows編程