C C++ 输出中文【转】

痛定思痛。 2022-06-04 08:57 156阅读 0赞

[http://hi.baidu.com/luckymouse2009/blog/item/08fd3323385003ad4723e874.html][http_hi.baidu.com_luckymouse2009_blog_item_08fd3323385003ad4723e874.html]

这几乎是每个人都会遇到的问题，因为我们是中国人，中国人编程不可避免的要输出汉字，哈哈，废话少说看看下面我转载的一篇文章 ，总结的还算全面。

这几天研究Unicode，勤快些，把看到的东西觉得有用的都copy了下来，文章是拼凑出来的，所以看起来会觉得有些乱 ：）。

1. wprintf  
Q : sizeof(wchar\_t) = ?  
A : 随编译器不同。(所以:在需要跨平台的时候尽量不用wchar\_t) vc : sizeof(wchar\_t) = 2;  
  
Q: 在vc中，为什么直接使用wprintf(L"测试1234")会没有结果  
A: 没有设置好locale,这样做

setlocale(LC\_ALL , " chs " );  
wprintf(L " %s " ,L " 测试1234 " );

或者(假设当前活动codepage为chs)

char  scp\[ 16 \];  
 int  cp  =  GetACP();  
sprintf(scp, " .%d " ,cp);  
setlocale( LC\_ALL, scp );  
wprintf(L " 测试1234 " );

2. wcout  
一样，不过设定locale,请用std::locale

locale loc( " chs " );  
wcout.imbue(loc);  
wcout  <<  L " 测试1234 "  <<  endl;

这篇文章应该是\[[netsin][]\]的成果，我勤快，记下来。  
注：wprintf是C的标准库函数，但wcout不是C++的标准成员，C++中的 L"……" 是宽字符，却未必是unicode字符，这与编译器实现相关。  
\[[乾坤一笑][Link 1]\]说：为什么 C/C++ 语言把 L"xx" 定义为由实现决定的呢？这显然是为了 C/C++ 的普适性、可移植性。Bjarne 的观点认为，C++ 的方式是允许程序员使用任何字符集作为串的字符类型。另外，unicode 编码已经发展了若干版本了，是否能永久适合下去也不得而知。有关 unicode 的详细论述以及和其它字符集的比较，我推荐你看《无废话xml》。

以下两段代码的执行环境是 windows xp professional 英文版，编译器是 VS2005RTM。

// C  
\#include <stdio.h>  
\#include <locale.h>  
int main( void )  
\{  
setlocale( LC\_ALL, "chs" );  
//setlocale( LC\_ALL, "Chinese-simplified" );  
//setlocale( LC\_ALL, "ZHI" );  
//setlocale( LC\_ALL, ".936" );  
wprintf( L"中国" );

return 0;  
\}

// C++  
\#include <iostream>  
\#include <locale>  
using namespace std;  
int main( void )  
\{  
locale loc( "chs" );  
//locale loc( "Chinese-simplified" );  
//locale loc( "ZHI" );  
//locale loc( ".936" );  
wcout.imbue( loc );  
std::wcout << L"中国" << endl;

return 0;  
\}

说明：别混合使用 setlocale 和 std::locale 。  
  
\------------------------- [2006-07-05 记][2006-07-05] \-------------------------

"VC知识库" 编码为：56 43 D6 AA CA B6 BF E2 00 // ANSI编码  
L"VC知识库" 在VC++ 中编码为：56 00 43 00 E5 77 C6 8B 93 5E 00 00 // (windows口中的unicode)编码  
L"VC知识库" 在GCC（Dev-CPP4990） 中编码为：56 00 43 00 D6 00 AA 00 CA 00 B6 00 BF 00 E2 00 00 00 // 只是将ANSI编码简单的加0  
L"VC知识库" 在GCC（Dev-CPP4992） 中编译失败，报 Illegal byte sequence

L"VC知识库" 在 Dev-CPP4992 中解决步骤为：  
a. 将文件保存为 utf-8 编码 // utf-8 是unicode的其中一种，但和(windows口中的unicode)不一样  
b. 去掉BOM头：用二进制编辑器（比如VC）去掉刚才utf-8文件的前三个字节 // Linux/UNIX并不使用BOM  
c. 使用 gcc/g++ 编译运行

经过以上解决步骤，在 dev-cpp4992 中  
"VC知识库" 编码为： 56 43 E7 9F A5 E8 AF 86 E5 BA 93 00 // utf-8编码，注意不再是ANSI编码了，因此用 printf/cout 将输出乱码  
L"VC知识库" 编码为： 56 00 43 00 E5 77 C6 8B 93 5E 00 00 // (windows口中的unicode)编码

补充：在mingw32中使用wcout和wstring需要加一些宏，比如  
\#define \_GLIBCXX\_USE\_WCHAR\_T 1  
\#include <iostream>  
int main( void )  
\{  
std::wcout << 1 << std::endl;  
\}  
可以编译通过，但无法Link通过，在网上google了一下，stlport说mingw32有问题，mingw32说是M$的c runtime有问题。

## [printf 、wprintf 在console下的unicode 输出][printf _wprintf _console_unicode] ##

1. printf 只能提供ANSI/MB 的输出，不支持输出unicode stream.  
例如:

wchar\_t test\[\] = L " 测试1234 " ;  
printf( " %s " ,test);

是不会正确输出的  
  
  
2.wprintf 同样不会提供unicode output,  
但是他会把wchar\_t的string转为locale的SB/MB字符编码，然后输出  
例如：

wchar\_t test\[\]  =  L " 测试Test " ;  
wprintf(L " %s " ,test);

会输出??1234之类的字符串，或者不输出任何结果  
因为wprintf没有办法把L"测试Test"转为默认的ANSI,需要设置locale

setlocale(LC\_ALL, " chs " );  
wchar\_t test\[\]  =  L " 测试Test " ;  
wprintf(L " %s " ,test);

会有正确的输出  
等同于printf("%ls",test);  
  
综上: **CRT I/O functions do not provide Unicode output.**  
  
3. Window console自从NT4就是一个真正的unicode console  
不过输出unicode string,只有使用Windows API, WriteConsoleW  
例如：

wchar\_t test\[\]  =  L " 测试1234 " ;  
DWORD ws;  
WriteConsoleW(GetStdHandle(STD\_OUTPUT\_HANDLE),test,wcslen(test), & ws,NULL);

可以正确的输出而不需要设置locale,因为是真正的unicode的输出，跟codepage无关  
  
4. 如何实现跨平台的console output  
不要使用wchar\_t和wprintf,因为这些都依赖于编译器.  
ICU是IBM的一个成熟的跨平台支持unicode的libary,推荐使用  
  
以下是ICU的uprintf实现

void  uprintf( const  UnicodeString  & str) \{  
 char  \* buf  =  0 ;  
int32\_t len  =  str.length();  
int32\_t bufLen  =  len  \+  16 ;  
int32\_t actualLen;  
buf  =  new  char \[bufLen  \+  1 \];  
actualLen  =  str.extract( 0 , len, buf /\* , bufLen \*/ );  //  Default codepage conversion   
  buf\[actualLen\]  =  0 ;  
printf( " %s " , buf);  
delete buf;  
\}

它也是先把Unicode string转化为本地的codepage,然后printf，虽然也不是unicode output,但是跨平台，大多数情况会工作得很好。

后记：

mbstowcs(wchar\_t \* wcstr, const char \* mbstr, size\_t count )等函数第三个参数

count： The maximum number of multibyte characters to convert.

指待转换的多字节字符串相对于目前活动locale的字符个数加一。

比如：字符串"abc赵123"对于C locale而言count是strlen("abc赵123"),即8+1。

而对于chinese-simplified.936而言count就是7+1。

count的计算必须和mbstowcs在同一个locale下。

由一个评论的人说：

char scp\[16\];  
int cp = GetACP();  
sprintf(scp,".%d",cp);  
setlocale( LC\_ALL, scp );  
wprintf(L"测试1234");  
等同于  
setlocale( LC\_ALL, "" );  
wprintf(L"测试1234");

附带一个我觉得挺幽默的关于unicode支持的评论

还是我来给你们上一课吧。首先按照c99支持unicode字符集，这里指内存中的字符编码，c++当然应该支持，这是毫无疑问的。但是unicode的外部表示如utf7,utf8,utf8n,utf16le,utf16be等等外部存储格式，c++委员会显然没有理由理会这些东西，作为世界上最帅的stl库sgi-stl3.3外带的IO流库认为自己没有义务实现各种各样的字符编码的转换。事实上这样做会导致stl-io库对操作系统的严格区分，结果必然是舍了一群孩子才套了一只狼。所以，sgi-stl声明除了标准的“C”别的一概不予理会。结果是如果我们使用sgi-stl而又不提供新的诸如c\_local\_stub\_win32.cxx这样的基于windows的c-locale底层接口的实现，像goodname那样用什么locale都不管用。说到这里，如果你在使用stl-port，stl-port4.6比sgi-stl的野心大多了，孩子肯定是舍了，狼大约也没套多。我并没有做过stl-port4.6使用其他locale的例子，但我想，他的表现大约会像微软的p.j.先生的stl一样帅吧。bcb6,cbx部署的stl库恰好就是stl-port的某个版本，如果按照goodname的办法不能成功，那么很不幸stlport又少套了一只狼。  
如果你在使用ms的p.j.先生的stl,那么你很幸运，因为你想要什么，微软都会给你的。大体上goodname的代码应该行的通。不过正如微软的座右铭：给你需要的，但请不要看明白我是怎么做的。虽然微软公开stl源代码，但我宁愿自己从没有看过那个东西。本人甚至都在怀疑微软使用过什么给这些代码加上1024位的密。使用微软的产品就像生活在Newyork一样：即在地狱又在天堂。  
说到这里还没有说到重点，实际上stl-io流在处理内部字符流和外部数据流间的互转换时，使用自带的locale中指定的codecvt\*对象，其中的do\_in,和do\_out实现转换，按照sgi-stl的实现，“c”完成内部的wchar\_t和外部的char转换时不会考虑10646更不会考虑其他任何形式的mbcs，事实上c++标准根本就不认识这些东西。所以当你想要输出汉字时，每个汉字的高位都被丢弃，很不爽吧，解决的办法就是继承一个codecvt重写do\_in,do\_out在里面用psdk的功能完成unicode到mbcs的转换，使用那个代码页管用，你就自己试试吧

[http_hi.baidu.com_luckymouse2009_blog_item_08fd3323385003ad4723e874.html]: http://hi.baidu.com/luckymouse2009/blog/item/08fd3323385003ad4723e874.html
[netsin]: http://blog.vckbase.com/netsin/
[Link 1]: http://blog.vckbase.com/smileonce/
[2006-07-05]: http://blog.vckbase.com/bruceteen/archive/2005/11/15/14924.html#20060705
[printf _wprintf _console_unicode]: http://www.cppblog.com/sandy/archive/2006/06/21/8779.html