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);

}

Unicode轉Ansi
也是2種方法

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);
}

Unicode轉UTF8

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;

}

UTF8轉UNICODE

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
}

Ansi轉換utf8和utf8轉換Ansi就是上面2個的結合，把unicode作為中間量，進行2次轉換即可

by greatws

posted on 2008-09-16 17:59 死神 閱讀(955) 評論(0)  編輯  收藏 所屬分類: C/C++