QString 与中文问题

水深无声 2022-04-23 14:06 168阅读 0赞

QString 与中文问题

2010-07-11 17:04

<table> 
 <tbody> 
 <tr> 
 <td>(更新：本文的姊妹篇&nbsp;<a href="http://hi.baidu.com/cyclone/blog/item/aa56e5dd1a79f7e176c638be.html" rel="nofollow">Qt中translate、tr关系 与中文问题</a>&nbsp;) 首先呢，声明一下，QString 是不存在中文支持问题的，很多人遇到问题，并不是本身 QString 的问题，而是没有将自己希望的字符串正确赋给QString。 很简单的问题，"我是中文"这样写的时候，它是传统的 char 类型的窄字符串，我们需要的只不过是通过某种方式告诉QString 这四个汉字采用的那种编码。而问题一般都出在很多用户对自己当前的编码没太多概念， 于是 <h2><a rel="nofollow"></a>一个简 单的 Qt 程序</h2> 下面这个小程序，估计大家会感到比较亲切。似乎有相当多的中文用户尝试写过这样的代码： <pre>#include &lt;QtGui/QApplication&gt;
#include &lt;QtGui/QLabel&gt;

int main(int argc, char **argv)
{
 QApplication app(argc, argv);
 QString a= "我是汉字";
 QLabel label(a);
 label.show();
 return app.exec();
}</pre> 编码，保存，编译，运行，一切都很顺利，可是结果呢： 
 <ul> 
 <li> 
 <table> 
 <tbody> 
 <tr> 
 <td> 多数用户看到 </td> 
 <td> 其他用户看到 </td> 
 </tr> 
 <tr> 
 <td> ÎÒÊÇºº×Ö </td> 
 <td> æˆ‘æ˜¯æ±‰å — </td> 
 </tr> 
 </tbody> 
 </table></li> 
 </ul><a href="https://www.baidu.com/s?wd=%E5%87%BA%E4%B9%8E%E6%84%8F%E6%96%99&amp;tn=24004469_oem_dg&amp;rsv_dl=gh_pl_sl_csd" rel="nofollow">出乎意料</a>，界面上中文没显示出来，出现了不认识字符。&nbsp;于是开始用搜索引擎搜索，开始上论坛发帖或抱怨 最后被告知，下面的语句之一可以解决问题： &nbsp; <pre>QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GB2312"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));</pre> 两条指令挨个一试，确实可以解决(多数用户是第一条，其他用户是第二条)。那么，为什么会这样呢？ <h2><a rel="nofollow"></a>两种乱码什么时候出现</h2> 对这个问题，我想大家可能都有话说。在继续之前，我们先列个表，看看两种乱码分别在那种情况下出现： 我们只列举大家最常用的3个编译器(微软VS的中的cl，Mingw中的g++，Linux下的g++)，<a href="https://www.baidu.com/s?wd=%E6%BA%90%E4%BB%A3%E7%A0%81&amp;tn=24004469_oem_dg&amp;rsv_dl=gh_pl_sl_csd" rel="nofollow">源代码</a>分别采用&nbsp;GBK&nbsp;和&nbsp;不带BOM的UTF-8&nbsp;&nbsp;以及&nbsp;带BOM的UTF-8&nbsp;这3中编码进行保存。 
 <ul> 
 <li> 
 <table> 
 <tbody> 
 <tr> 
 <td> 源代码的编码 </td> 
 <td> 编译器 </td> 
 <td> 结果 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> GBK </td> 
 <td> cl </td> 
 <td> 1 </td> 
 <td> * </td> 
 </tr> 
 <tr> 
 <td> mingw-g++ </td> 
 <td> 1 </td> 
 <td> * </td> 
 </tr> 
 <tr> 
 <td> g++ </td> 
 <td> 1 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> UTF-8(不带BOM) </td> 
 <td> cl </td> 
 <td> 2 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> mingw-g++ </td> 
 <td> 2 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> g++ </td> 
 <td> 2 </td> 
 <td> * </td> 
 </tr> 
 <tr> 
 <td> UTF-8(带BOM) </td> 
 <td> cl </td> 
 <td> 1 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> mingw-g++ </td> 
 <td> 2 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td> g++ </td> 
 <td> 编译失败 </td> 
 <td>&nbsp;</td> 
 </tr> 
 </tbody> 
 </table></li> 
 </ul>采用3种不同编码保存的源代码文件，分别用3种不同的编译器编译，形成9种组合，除掉一种不能工作的情况，两种乱码出现的情况各占一半。 从中我们也可以看出，乱码和操作系统原本是没有关系的。但我们在&nbsp;<a href="https://www.baidu.com/s?wd=Windows&amp;tn=24004469_oem_dg&amp;rsv_dl=gh_pl_sl_csd" rel="nofollow">Windows</a>&nbsp;一般用的GBK，linux一般用的是不带BOM的UTF-8。如果我们只考虑带*的情况，也可以说两种乱码和系统有关。 <h2><a rel="nofollow"></a>QString 为什么会乱码呢</h2> 真的是 QString 乱码了吗？我们可以问问自己，我们抱怨的对象是不是搞错了？ 继续之前，先明确几个概念： <h3><a rel="nofollow"></a>明确概念0：</h3> 
 <ul> 
 <li>"我是汉字" 是C语言中的字符串，它是char型的窄字符串。上面的例子可写为</li> 
 </ul>&nbsp; <pre>const char * str = "我是汉字";
QString a= str;</pre> 或 <pre>char str[] = "我是汉字";
QString a= str;</pre> 等 <h3><a rel="nofollow"></a>明确概念1：</h3> 
 <ul> 
 <li>源文件是有编码的，但是这种纯文本文件却不会记录自己采用的编码</li> 
 </ul>这个是问题的根源，不妨做个试验，将前面的源代码保存成GBK编码，用16进制编辑器能看到引号内是ce&nbsp;d2&nbsp;ca&nbsp;c7&nbsp;ba&nbsp;ba&nbsp;d7&nbsp;d6这样8个字节。 现在将该文件拷贝到正体(繁体)中文的Windows中，用记事本打开会什么样子呢？ <pre>...
 QString a= "扂岆犖趼";
 QLabel label(a);
 label.show();
...</pre> 那么放到欧美人的Windows系统中，再用记事本打开呢？ <pre>...
 QString a= "ÎÒÊÇºº×Ö";
 QLabel label(a);
 label.show();
...</pre> 同一个文件，未做任何修改，但其中的8个字节ce&nbsp;d2&nbsp;ca&nbsp;c7&nbsp;ba&nbsp;ba&nbsp;d7&nbsp;d6,对用GBK的大陆人，用BIG5的港澳台同胞，以及用Latin-1的欧洲人看来，看到的却是完全不同的文字。 <h3><a rel="nofollow"></a>明确概念2：</h3> 
 <ul> 
 <li>如同我们都了解的'A'与'\x41'等价一样。</li> 
 </ul>GBK编码下的 <pre>const char * str = "我是汉字"</pre> 等价于 <pre>const char * str = "\xce\xd2\xca\xc7\xba\xba\xd7\xd6";</pre> 当用UTF-8编码时，等价于 <pre>const char * str = "\xe6\x88\x91\xe6\x98\xaf\xe6\xb1\x89\xe5\xad\x97";</pre> 注意：这个说法不全对，比如保存成带BOM的UTF-8，用cl编译器时，汉字本身是UTF-8编码，但程序内保存时却是对应的GBK编码。 <h3><a rel="nofollow"></a>明确概念3：</h3> 
 <ul> 
 <li>QString 内部采用的是Unicode。</li> 
 </ul>QString内部采用的是 Unicode，它可以同时存放GBK中的字符"我是汉字",BIG5中的字符"扂岆犖趼" 以及Latin-1中的字符"ÎÒÊÇºº×Ö"。 一个问题是，源代码中的这8个字节"\xce\xd2\xca\xc7\xba\xba\xd7\xd6"，该怎么转换成Unicode并存到 QString 内？按照GBK、BIG5、Latin-1还是其他方式... 在你不告诉它的情况下，它默认选择了Latin-1，于是8个字符"ÎÒÊÇºº×Ö"的unicode码被存进了QString中。最终，8个Latin字符出现在你期盼看到4中文字符的地方，所谓的乱码出现了 <h2><a rel="nofollow"></a>QString 工作方式</h2> &nbsp; <pre>const char * str = "我是汉字";
QString a= str;</pre> 其实很简单的一个问题，当你需要从窄字符串 char* 转成Unicode的QString字符串的，你需要告诉QString你的这串char* 中究竟是什么编码？GBK、BIG5、Latin-1 理想情况就是：将char* 传给QString时，同时告诉QString自己的编码是什么： 就像下面的函数一样，QString的成员函数知道按照何种编码来处理 C 字符串 <pre>QString QString::fromAscii ( const char * str, int size = -1 )
QString QString::fromLatin1 ( const char * str, int size = -1 ) 
QString QString::fromLocal8Bit ( const char * str, int size = -1 )
QString QString::fromUtf8 ( const char * str, int size = -1 )</pre> 单QString 只提供了这几个成员函数，远远满足不了大家的需求，比如，在简体中文Windows下，local8Bit是GBK，可是有一个char串是 BIG5 或 Latin-2怎么办？ 那就动用强大的QTextCodec吧，首先QTextCodec肯定知道自己所负责的编码的，然后你把一个char串送给它，它就能正确将其转成Unicode了。 <pre>QString QTextCodec::toUnicode ( const char * chars ) const</pre> 可是这个调用太麻烦了，我就想直接 <pre>QString a= str;</pre> 或 <pre>QString a(str);</pre> 这样用怎么办？ 这样一来肯定没办法同时告诉 QString 你的str是何种编码了，只能通过其他方式了。这也就是开头提到的 <pre>QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GBK"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));</pre> 设置QString默认采用的编码。而究竟采用哪一个，一般来说就是源代码是GBK，就用GBK，源代码是UTF-8就用UTF-8。但有一个例外，如果你保存成了带BOM的UTF-8而且用的微软的cl编译器，此时仍是GBK。 </td> 
 </tr> 
 </tbody> 
</table>

[https://blog.csdn.net/lfw19891101/article/details/6641785][https_blog.csdn.net_lfw19891101_article_details_6641785]

[https_blog.csdn.net_lfw19891101_article_details_6641785]: https://blog.csdn.net/lfw19891101/article/details/6641785