转载请注明出处/greatws/archive//08/31/60546.html
最近有人问我关于这个的问题,就此写一篇blog
Ansi字符串我们最熟悉,英文占一个字节,汉字2个字节,以一个\0结尾,常用于txt文本文件
Unicode字符串,每个字符(汉字、英文字母)都占2个字节,以2个连续的\0结尾,NT操作系统内核用的是这种字符串,常被定义为typedef unsigned short wchar_t;所以我们有时常会见到什么char*无法转换为unsigned short*之类的错误,其实就是unicode
UTF8是Unicode一种压缩形式,英文A在unicode中表示为0x0041,老外觉得这种存储方式太浪费,因为浪费了50%的空间,于是就把英文压缩成1个字节,成了utf8编码,但是汉字在utf8中占3个字节,显然用做中文不如ansi合算,这就是中国的网页用作ansi编码而老外的网页常用utf8的原因。
UTF8在还游戏里运用的很广泛,比如WOW的lua脚本等
下面来说一下转换,主要用代码来说明吧
写文件我用了CFile类,其实用FILE*之类的也是一样,写文件和字符串什么类别没有关系,硬件只关心数据和长度
Ansi转Unicode
介绍2种方法
voidCConvertDlg::OnBnClickedButtonAnsiToUnicode()
{
//ansitounicode
char*szAnsi="abcd1234你我他";
//预转换,得到所需空间的大小
intwcsLen=::MultiByteToWideChar(CP_ACP,NULL,szAnsi,strlen(szAnsi),NULL,0);
//分配空间要给'\0'留个空间,MultiByteToWideChar不会给'\0'空间
wchar_t*wszString=newwchar_t[wcsLen+1];
//转换
::MultiByteToWideChar(CP_ACP,NULL,szAnsi,strlen(szAnsi),wszString,wcsLen);
//最后加上'\0'
wszString[wcsLen]='\0';
//unicode版的MessageBoxAPI
::MessageBoxW(GetSafeHwnd(),wszString,wszString,MB_OK);
//接下来写入文本
//写文本文件,头2个字节0xfeff,低位0xff写在前
CFilecFile;
cFile.Open(_T("1.txt"),CFile::modeWrite|CFile::modeCreate);
//文件开头
cFile.SeekToBegin();
cFile.Write("\xff\xfe",2);
//写入内容
cFile.Write(wszString,wcsLen*sizeof(wchar_t));
cFile.Flush();
cFile.Close();
delete[]wszString;
wszString=NULL;
//方法2
//设置当前地域信息,不设置的话,使用这种方法,中文不会正确显示
//需要#include<locale.h>
setlocale(LC_CTYPE,"chs");
wchar_twcsStr[100];
//注意下面是大写S,在unicode中,代表后面是ansi字符串
//swprintf是sprintf的unicode版本
//格式的前面要加大写L,代表是unicode
swprintf(wcsStr,L"%S",szAnsi);
::MessageBoxW(GetSafeHwnd(),wcsStr,wcsStr,MB_OK);
}
Unicode转Ansi
也是2种方法
voidCConvertDlg::OnBnClickedButtonUnicodeToAnsi()
{
//unicodetoansi
wchar_t*wszString=L"abcd1234你我他";
//预转换,得到所需空间的大小,这次用的函数和上面名字相反
intansiLen=::WideCharToMultiByte(CP_ACP,NULL,wszString,wcslen(wszString),NULL,0,NULL,NULL);
//同上,分配空间要给'\0'留个空间
char*szAnsi=newchar[ansiLen+1];
//转换
//unicode版对应的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MessageBoxAPI
::MessageBoxA(GetSafeHwnd(),szAnsi,szAnsi,MB_OK);
//接下来写入文本
//写文本文件,ANSI文件没有BOM
CFilecFile;
cFile.Open(_T("1.txt"),CFile::modeWrite|CFile::modeCreate);
//文件开头
cFile.SeekToBegin();
//写入内容
cFile.Write(szAnsi,ansiLen*sizeof(char));
cFile.Flush();
cFile.Close();
delete[]szAnsi;
szAnsi=NULL;
//方法2
//和上面一样有另一种方法
setlocale(LC_CTYPE,"chs");
charszStr[100];
//注意下面是大写,在ansi中,代表后面是unicode字符串
//sprintf
sprintf(szStr,"%S",wszString);
::MessageBoxA(GetSafeHwnd(),szStr,szStr,MB_OK);
}
Unicode转UTF8
voidCConvertDlg::OnBnClickedButtonUnicodeToU8()
{
//unicodetoUTF8
wchar_t*wszString=L"abcd1234你我他";
//预转换,得到所需空间的大小,这次用的函数和上面名字相反
intu8Len=::WideCharToMultiByte(CP_UTF8,NULL,wszString,wcslen(wszString),NULL,0,NULL,NULL);
//同上,分配空间要给'\0'留个空间
//UTF8虽然是Unicode的压缩形式,但也是多字节字符串,所以可以以char的形式保存
char*szU8=newchar[u8Len+1];
//转换
//unicode版对应的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,所以只能写文件
//接下来写入文本
//写文本文件,UTF8的BOM是0xbfbbef
CFilecFile;
cFile.Open(_T("1.txt"),CFile::modeWrite|CFile::modeCreate);
//文件开头
cFile.SeekToBegin();
//写BOM,同样低位写在前
cFile.Write("\xef\xbb\xbf",3);
//写入内容
cFile.Write(szU8,u8Len*sizeof(char));
cFile.Flush();
cFile.Close();
delete[]szU8;
szU8=NULL;
}
UTF8转UNICODE
voidCConvertDlg::OnBnClickedButtonU8ToUnicode()
{
//UTF8toUnicode
//由于中文直接复制过来会成乱码,编译器有时会报错,故采用16进制形式
char*szU8="abcd1234\xe4\xbd\xa0\xe6\x88\x91\xe4\xbb\x96\x00";
//预转换,得到所需空间的大小
intwcsLen=::MultiByteToWideChar(CP_UTF8,NULL,szU8,strlen(szU8),NULL,0);
//分配空间要给'\0'留个空间,MultiByteToWideChar不会给'\0'空间
wchar_t*wszString=newwchar_t[wcsLen+1];
//转换
::MultiByteToWideChar(CP_UTF8,NULL,szU8,strlen(szU8),wszString,wcsLen);
//最后加上'\0'
wszString[wcsLen]='\0';
//unicode版的MessageBoxAPI
::MessageBoxW(GetSafeHwnd(),wszString,wszString,MB_OK);
//写文本同ansitounicode
}
Ansi转换utf8和utf8转换Ansi就是上面2个的结合,把unicode作为中间量,进行2次转换即可