Ansi、Unicode、UTF8字符串之间的转换和写入文本文件

转载请注明出处http://www.cppblog.com/greatws/archive/2008/08/31/60546.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

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

Ansi、Unicode、UTF8字符串之间的转换和写入文本文件相关推荐

C++中Ansi、Unicode、UTF8字符串之间的转换和写入
转自: http://dark0729.blogbus.com/logs/51496111.html 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 Un ...
unicode和字符串之间的转换有两种方式
unicode和字符串之间的转换有两种方式. 1.1.通过JDK自带的"native2ascii"进行转换首先,您测试的机器需要安装JDK,比如我的机器环境,我的JDK安 ...
C#_汉字与GBK,Unicode,UTF-8编码之间的转换
IT发展至今,字符编码版本众多,目前流行的GBK,Unicode,UTF-8编码与汉字的转换可用如下代码: private void button1_Click(object sender, Even ...
字符串处理 - ANSI - Unicode - UTF8 转换
字符串处理 - ANSI - Unicode - UTF8 转换 [C语言]字符串处理 - ANSI - Unicode - UTF8 转换 2008-11-4: 使用MultiByteToWideC ...
pythonunicode和str_python2 中 unicode 和 str 之间的转换及与python3 str 的区别
在python2中字符串分为 unicode 和 str 类型 Str To Unicode 使用decode(), 解码 Unicode To Str 使用encode(), 编码返回数据给前端时 ...
Unicode16 与 UTF-8编码之间的转换
Unicode16 与 UTF-8 中文编码之间的转换头文件 #include <string> #include <locale> #include <codecvt ...
JSON对象与字符串之间的转换
JSON对象与字符串之间的转换 JSON转换成字符串字符串转换成JSON JavaScript中内置了一个JSON对象,可以用来进行JSON与字符串之间的转换. JSON转换成字符串使用:JSON ...
为什么需要java包装类，装箱拆箱，基本类型与字符串之间的转换，java数据类型
为什么需要包装类? 首先,Java语言是一个面向对象的语言,但是Java中的基本数据类型却是不面向对象的,将每个基本数据类型设计一个对应的类进行代表,这种方式增强了Java面向对象的性质. 其次,如果 ...
Python bytes字节串与string字符串之间的转换
目录背景代码总结背景在工作中经常会碰到字节串(bytes)与字符串(string)之间转换的问题,做个记录. bytes只负责用字节序列的形式(二进制形式)存储数据,不关心数据本身是图片.文 ...

Ansi、Unicode、UTF8字符串之间的转换和写入文本文件

Ansi、Unicode、UTF8字符串之间的转换和写入文本文件相关推荐

最新文章

热门文章