Ansi、Unicode、UTF8字符串之间的转换和写入文本文件

转载于 2010-07-28 14:54:00 发布 · 1.5k 阅读

标签

#null #delete #编译器 #脚本 #file

WINCE应用程序(VC) 专栏收录该内容

62 篇文章

订阅专栏

本文详细介绍了Ansi、Unicode和UTF8三种字符编码的区别，并提供了具体的转换方法，包括Ansi与Unicode之间的相互转换、Unicode与UTF8之间的转换。

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

void CConvertDlg::OnBnClickedButtonAnsiToUnicode()

{

// ansi to unicode

char * szAnsi = " abcd1234你我他 " ;

// 预转换，得到所需空间的大小

int wcsLen = ::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 = new wchar_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MessageBox API

::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

CFile cFile;

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_t wcsStr[ 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

void CConvertDlg::OnBnClickedButtonUnicodeToAnsi()

{

// unicode to ansi

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

int ansiLen = ::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 = new char[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MessageBox API

::MessageBoxA(GetSafeHwnd(), szAnsi, szAnsi, MB_OK);

//接下来写入文本

//写文本文件，ANSI文件没有BOM

CFile cFile;

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");

char szStr[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

void CConvertDlg::OnBnClickedButtonUnicodeToU8()

{

// unicode to UTF8

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

int u8Len = ::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 = new char[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

CFile cFile;

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

void CConvertDlg::OnBnClickedButtonU8ToUnicode()

{

//UTF8 to Unicode

//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

int wcsLen = ::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 = new wchar_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MessageBox API

::MessageBoxW(GetSafeHwnd(), wszString, wszString, MB_OK);

//写文本同ansi to unicode

}

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

by greatws