字符集研究之不同字符集的转换方式

旧城等待， 2022-08-21 02:29 106阅读 0赞

作者：朱金灿

来源：[http://blog.csdn.net/clever101][http_blog.csdn.net_clever101]

在上篇文章中介绍了多字节字符集和unicode字符集，今天介绍下两大字符集之间的转换方式。

首先谈谈的是微软对于unicode字符集的态度。在windows的开发体系下，unicode字符字符集被称为宽字节字符集，多字节字符集被称为窄字符集。微软对unicode字符集是大力支持的。从以下几点可以看出：从windows2000开始使用unicode进行开发；Windows CE 本身就是使用Unicode的一种操作系统，完全不支持ANSI版Windows API函数；新建的VC工程默认使用的是unicode字符集(utf16)。那么问题来了，作为一个C++程序员，是否该使用unicode字符集。

为什么使用Unicode字符集?提升运行效率，比如Windows内核本身是基于unicode字符的，非unicode字符传进入要先转成unicode字符（《windows核心编程有详细解释》）；在不同语言中可以方便交换数据，比如在英文版操作系统中输入中文路径，如果是非unicode字符同时又没有安装中文字符集，那么就会出现乱码。

为什么不使用Unicode字符集？因为传统的势力很强大，很多跨平台的第三方库都是基于多字节字节集进行开发，还有就是编程习惯，比如在Windows下开发，大家耳熟能详的是计算字符串长度的函数是strlen，谁会去用宽字节版的wcslen呢。详见我以前写的文章：

《[unicode字符集，用还是不用？][unicode]》

最后谈谈多字节字符集和unicode字符集。两种方式，一种是使用跨平台的iconv库，示例代码如下：

include <stdio.h>
    #include <stdlib.h>
    #include <string>
    using namespace std;
    
    #include <iconv.h> //编码转换库
    
    #define OUTLEN 255 //文件路径长度
    
    //代码转换:从一种编码转为另一种编码
    int code_convert(char *from_charset, char *to_charset, char *inbuf, size_t inlen, char *outbuf, size_t  outlen)
    {
    iconv_t cd;
    char **pin = &inbuf;
    char **pout = &outbuf;
    
    cd = iconv_open(to_charset,from_charset);
    if (cd==0) 
    return -1;
    memset(outbuf,0,outlen);
    
    if (iconv(cd,pin,&inlen,pout,&outlen)==-1)
    return -1;
    iconv_close(cd);
    return 0;
    }
    //UNICODE码转为GB2312码
    int u2g(char *inbuf, size_t  inlen, char *outbuf, size_t  outlen)
    {
    return code_convert("utf-8","gb2312",inbuf,inlen,outbuf,outlen);
    }
    //GB2312码转为UNICODE码
    int g2u(char *inbuf, size_t inlen, char *outbuf, size_t outlen)
    {
    return code_convert("gb2312","utf-8",inbuf,inlen,outbuf,outlen);
    }
    
    //执行SQL语句回调函数
    static int _sql_callback(void* pUsed, int argc, char** argv, char** ppszColName)
    {
    for(int i=0; i<argc; i++)
    {
    printf("%s = %s/n", ppszColName[i], argv[i]==0 ? "NULL" : argv[i]);
    }
    return 0;
    }
    
    void main()
    {
    char *in_gb2312 = "D://控制点库//GCPDB.3sdb";
    
    char out[OUTLEN];
      
    //gb2312码转为unicode码
    g2u(in_gb2312,strlen(in_gb2312),out,OUTLEN);
    printf("gb2312-->unicode out=%s /n",out);
    }

另一种方式是使用使用WindiwsAPI，示例代码如下：

std::string MbcsToUtf8( const char* pszMbcs )  
        {  
            std::string str;  
            WCHAR   *pwchar=0;  
            CHAR    *pchar=0;  
            int len=0;  
            int codepage = AreFileApisANSI() ? CP_ACP : CP_OEMCP;  
            len=MultiByteToWideChar(codepage, 0, pszMbcs, -1, NULL,0);  
            pwchar=new WCHAR[len];  
            if(pwchar!=0)  
            {  
                len = MultiByteToWideChar(codepage, 0, pszMbcs, -1, pwchar, len);  
                if( len!=0 )  
                {  
                    len = WideCharToMultiByte(CP_UTF8, 0, pwchar, -1, 0, 0, 0, 0);  
                    pchar=new CHAR[len];  
                    if(pchar!=0)  
                    {  
                        len = WideCharToMultiByte(CP_UTF8, 0, pwchar, -1, pchar, len,0, 0);  
                        if(len!=0)                  
                        {  
                            str = pchar;                     
                        }  
                        delete pchar;  
                    }  
                    delete pwchar;  
                }  
            }  
            return str;  
    }

参考文献：

1. [使用SQLite3支持中文路径][SQLite3]

[http_blog.csdn.net_clever101]: http://blog.csdn.net/clever101
[unicode]: http://blog.csdn.net/clever101/article/details/5377724
[SQLite3]: http://blog.csdn.net/liminlu0314/article/details/6116767