字节码问题--wchar和char的区别以及wchar和char之间的相互转换字符编码转换等方法及函数介绍

收集了一些关于字符/宽字符的一些资料，在此与大家一起分享。

win2下wchar占2个字节   linux下wchar占4个字节

wchar_t的高位字节应该存储在char数组的低位字节。

在 C 语言中， char 类型永远都是一个字节， 双字节字符类型是 wchar_t；但它不是内置类型， 定义在 stddef.h.

给 wchar_t 类型的字符或字符数组（也就是字符串）赋值要冠以 L；

格式化输出（如 printf） wchar_t 类型的字符串， 要用 %S（而非 %s）。（我更多的是看到用ls输出）；

而且 要注意一点，printf和wprintf不能混用，否则不会打印。如：

setlocale(LC_ALL,"zh_CN.utf8");
printf("1 print chinese by wprintf test: \n");
wchar_t *wstr = L"中文";
wprintf(L"%ls",wstr);

上面先使用了printf，又使用了wprintf，所以后面的wprintf无法正常输出，只要把上面printf换成wprintf或是注释掉就可以了。

mbs: multi byte string, 用char作为存储类型, 一个字符可能对应1个或者多个char, 不能直接确定字符边界. charset不确定. 过去的程序都是采用mbs的.

wcs: wide character string, 用wchar_t作为存储类型, 一个字符对于一个wchar_t. 使用unicode编码, charset与OS相关, 在windows平台中为UTF16(UCS-2), 在大多数unix平台中为UTF32(UCS-4).

国际化的程序都应该在内部使用wcs, 在输入输出时做mbs与wcs的转换.

#include <stdlib.h> #include <stdio.h> #include <locale.h> int main()
{
    FILE* fp ;
    setlocale(LC_ALL,"");  //要先设置语言环境  wchar_t wchar[5] = L"相等相等"; //定义一个宽字节的变量，初始为"相等"  fp = fopen("1.txt", "w+"); //打开文件称奥做  fwprintf(fp, L"%ls\n", wchar); //输出到文件.此处一定要为%ls，不能用%s  fclose(fp); //关闭文件  wchar_t wc2[5]; //定义第二个宽字节变量  int i = 0; //wc开始的有很多宽字节的操作。都和str相对应。  wcscpy(wc2, wchar); //复制。  int n = wcscmp(wc2, wchar); //比较  if (n == 0)
    {
        wprintf(L"相等\n");            
    } else {
        wprintf(L"不相等\n");
    } char str[10]; //定义char字符。  n = wcstombs(str, wc2, 9); //宽字节转换为muiltychar  printf("1---: %s\n", str); //输出结果  for (i = 0; i < 5; ++i)
    {
        wc2[i] = L'1' + i;
    }
    wc2[4] = 0;

    n = wcstombs(str, wc2, 9); //宽字节转换为muiltychar  printf("2---:%s\n", str); //输出结果  return 0;
}

mbs与wcs的转换函数:

#include <locale.h> setlocale(LC_ALL, "");

wcstombs(char * to,wchar_t * from,size_t _maxCount);
mbstowcs(wchar_t * to,char * from,size_t _maxCount);

wcstombs/mbstowcs是实现转换的一对函数. 这两个c的库函数其实内部也就是对刚刚windows的api和接下来我们要说的iconv的封装。使用时要注意，如果涉及到中文，要先setlocale，当设置好正确的locale，函数内部才能找到正确的字符集进行转换。

wcs的charset是固定不可变的, 但是mbs的charset是可变的, 可能是ASCII, 可能是gb2312, 也可能是big5. wcstombs/mbstowcs是根据locale环境设置来决定mbs采用的charset的, 在程序中可以用setlocale来设定locale, 例如 setlocale(LC_ALL, "chinese")

程序启动时, locale设定为 LC_ALL="C", 用 setlocale(LC_ALL, "") 就可以设置成操作系统的locale设定.

Locale决定了当前程序运行的本地化设置方式, 但是在程序中可能需要作其他charset的转换, 例如程序本身语言设定为简体中文, 需要做big5与unicode的转换, 或者是其他两种charset的mbstombs转换, 这时wcstombs/mbstowcs就不能胜任了.

/* linux 下 wchar_t和char的相互转化和测试
win32下wchar_t占2个字节，linux下wchar_t占4个字节。wchar_t的高字节应该存放在char数组的低字节。
Linux下面的没有命名为 WideCharToMultiByte() 和 MultiByteToWideChar() 函数，WideCharToMultiByte，MultiByteToWideChar是windows下的函数，
在linux下也有类似的两个函数：
mbstowcs()
wcstombs() 
值得注意的是:
size_t mbstowcs(wchar_t *wcstr,const char *mbstr,size_t count);
这个函数的第三个参数count，大小一定要是mbstr长度的2倍，否则出来的中文也会是乱码。

wcstombs和mbstowcs使用
#include <locale.h>
setlocale(LC_ALL, "");
wcstombs(char * to,wchar_t * from,size_t _maxCount);
mbstowcs(wchar_t * to,char * from,size_t _maxCount);

还有呢，转码还可以使iconv函数族，包含以下三个函数（其具体实例可以见demo_iconv.c和code_convert.c）：
iconv_t iconv_open(const char *tocode, const char *fromcode);
size_t iconv(iconv_t cd,char **inbuf,size_t *inbytesleft,char **outbuf,size_t *outbytesleft);
int iconv_close(iconv_t cd); */ #include <stdlib.h> #include <stdio.h> #include <string.h> #include <locale.h> size_t get_wchar_size(const char *str)
{
   size_t len = strlen(str);
   size_t size=0;
   size_t i; for(i=0; i < len; i++)
   { if( str[size] >= 0 && str[size] <= 127 ) //不是全角字符  size+=sizeof(wchar_t); else //是全角字符，是中文  {
        size+=sizeof(wchar_t);
        i+=2;
      }
   } return size;
} char *w2c(const wchar_t *pw)
{ if(!pw) return NULL;

   size_t size= wcslen(pw)*sizeof(wchar_t); char *pc; if(!(pc = (char*)malloc(size)))
   {
     printf("malloc fail"); return NULL;
   }
   wcstombs(pc,pw,size); return pc;

}

wchar_t *c2w(const char *pc)
{ if(!pc) return NULL;

   size_t size_of_ch = strlen(pc)*sizeof(char);
   size_t size_of_wc = get_wchar_size(pc);
   wchar_t *pw; if(!(pw = (wchar_t*)malloc(size_of_wc)))
   {
      printf("malloc fail"); return NULL;
   }
   mbstowcs(pw,pc,size_of_wc); return pw;

} int main(void)
{
   setlocale(LC_ALL,"zh_CN.utf8");
   printf("1 print chinese by wprintf test: \n");
   wchar_t *wstr = L"中文"; //wprintf(L"%ls",wstr); //此处不要使用wprintf，因为上面已经使用了printf，而他们使用的是不同的流，不能混用  printf("%ls\n",wstr); //ls  printf("2 print chinese by printf test: \n"); char *str = "汉字";
   printf("%s\n\n\n",str); //s  printf("3 char and wchar_t size of system test: \n");
   printf("%s%d\n","the size of wchar_t is : ",sizeof(wchar_t)); //4  printf("%s%d\n\n\n","the size of char is : ",sizeof(char)); //1  char *pc;
   wchar_t *pw = L"中文是abc一门语言abc"; char *tmp = "中文是abc一门语言abc";
   printf("%s%s\n","input test wchar_t* ",tmp);
   pc = w2c(pw);
   printf("4 print char test after w2c (wchar to char):\n");
   printf("%s\n",pc);


   wchar_t *cw1 = c2w(pc); //char to wchar  char *wc1 = w2c(cw1); //wchar to char  printf("5 print char test after w2c c2w and w2c:\n");
   printf("%s\n\n\n",wc1); char *pmc = "abc中文abc";
   wchar_t *pmw;
   printf("%s%s\n","input test char* ",pmc);
   pmw = c2w(pmc); char *pmc1 = w2c(pmw);
   printf("6 print char test after c2w and w2c:\n");
   printf("%s\n",pmc1);

   printf("%ls\n",wstr); //cout<<wstr<<endl;  return 0;

} 

在unix平台中可以使用iconv来做这个转换(iconv lib也有windows版本), 在windows平台可以用MultiByteToWideChar/WideCharToMultiByte 函数.

iconv库的使用

利用iconv函数族进行编码转换（如GB2312转换为UTF-8）

iconv函数族的头文件是iconv.h,使用前需包含之。

#include <iconv.h>

iconv函数族有三个函数,原型如下:

(1) iconv_t iconv_open(const char *tocode, const char *fromcode);

       此函数说明将要进行哪两种编码的转换,tocode是目标编码,fromcode是原编码,该函数返回一个转换句柄,供以下两个函数使用。

(2)size_t iconv(iconv_t cd,char **inbuf,size_t *inbytesleft,char **outbuf,size_t *outbytesleft);

       此函数从inbuf中读取字符,转换后输出到outbuf中,inbytesleft用以记录还未转换的字符数,outbytesleft用以记录输出缓冲的剩余空间。参数cd必须是由iconv_open函数创建的转换描述符。

/* iconv库的使用
    GB2312字符串转换为UTF-8的字符串

    利用iconv函数族进行编码转换
    iconv函数族的头文件是iconv.h,使用前需包含之。
    #include <iconv.h>
    iconv函数族有三个函数,原型如下:
    (1) iconv_t iconv_open(const char *tocode, const char *fromcode);
    此函数说明将要进行哪两种编码的转换,tocode是目标编码,fromcode是原编码,该函数返回一个
    转换句柄,供以下两个函数使用。
    (2) size_t iconv(iconv_t cd,char **inbuf,size_t *inbytesleft,char **outbuf,size_t *outbytesleft);
    此函数从inbuf中读取字符,转换后输出到outbuf中,inbytesleft用以记录还未转换的字符数,outbytesleft用以记录输出缓冲的剩余空间。
    (3) int iconv_close(iconv_t cd);
    此函数用于关闭转换句柄,释放资源。 */ #include <stdio.h> #include <stdlib.h> #include <iconv.h> #include <string.h> int main(void)
{
    unsigned char *src = "魅影追击和歌姬"; /* 需转换的字串 */ unsigned char dst[256] = {0}; /* 转换后的内容 */ unsigned char buf[1024] = {0}; /* 格式化转换后的字串 */ size_t src_len = strlen(src);
    size_t dst_len = sizeof(dst);
    unsigned char *in = src;
    unsigned char *out = dst;
   
    iconv_t cd; int i; int j; 
   
    cd = iconv_open("UTF-8", "GB2312"); /* 将GB2312字符集转换为UTF-8字符集 */ if ((iconv_t)-1 == cd)
    { return -1;
    }

    printf("src: %s\n", src);
    iconv(cd, &in, &src_len, &out, &dst_len); /* 执行转换 */ /* 以下将转换后的内容格式化为: %XX%XX...形式的字串 */ printf("dst: ");
    j = 0; for (i = 0; i < strlen(dst); i++)
    {
        printf("%.2X ", dst[i]);
        buf[j++] = '%';
        snprintf(buf + j, 3, "%.2X", dst[i]);
        j += 2;
    }
    printf("\n");
    printf("buf: %s\n", buf);
   
    iconv_close(cd); /* 执行清理 */ return 0;
}

大部分情形是inbuf 不为NULL，*inbuf也不为NULL。这种情况下，iconv函数将以*inbuf起始的多字节序列转换到以*outbuf起始的多字节序列。从*inbuf开始读取,最多*inbytesleft字节，转换后，从*outbuf开始写入,最多*outbytesleft字节。iconv函数一次转换一个多字节字符，每次字符转换，*inbuf增加已转换的字节数，*inbytesleft相应地减少已转换的字节数；对应地，*outbuf和*outbytesleft作相应的修改，同时修改cd的转换状态。

以下四种情况不能完成转换：

1．输入中含无效的多字节序列。此时，它将errno设置为EILSEQ并返回(size_t)(-1)。*inbuf指向无效序列的最左端。

2．输入的字节序列已经全部被转换过，也就是*inbytesleft减少至0。此时，iconv返回本次调用中完成转换的数目（可逆的转换不计入）。

3．输入中以不完整多字节序列作结尾。此时，它将errno设置为EINVAL并返回(size_t)(-1)。*inbuf指向不完整多字节序列的最左端。

4．输出缓存区没有足够空间来存储下一个字符。此时，它将errno设置为E2BIG并返回(size_t)(-1)。

另一种情形是inbuf 为NULL或*inbuf为NULL，但*outbuf 不为NULL，*outbuf也不为NULL。这种情况下，iconv函数试图将cd的转换状态设置为初始状态并store a corresponding shift sequence at *outbuf。从*outbuf开始，最多写入*outbytesleft字节。如果输出缓存区没有足够空间来存储这个重置后的序列，他将errno设置为E2BIG并返回(size_t)(-1)。反之，*outbuf增加写入的字节数和*outbytesleft减少写入的字节数。

第三种情形是inbuf 为NULL或*inbuf为NULL，*outbuf 为NULL或*outbuf为NULL。这种情况下，iconv函数试图将cd的转换状态设置为初始状态。

返回值

iconv函数返回本次调用中转换的字符数，可逆的转换不计入。出错时，它将修改errno并返回(size_t)(-1)。

错误

除了其它错误以外，出现以下错误：

E2BIG

*outbuf没有足够的空间。

EILSEQ

    输入含无效的多字节序列。

EINVAL

    输入含不完整多字节序列。

(3) int iconv_close(iconv_t cd);

       此函数用于关闭转换句柄,释放资源。

这个库使用很简单，使用举例：

int gbk2utf8(char *dst, int outlen,char *src,int inlen)
{ static iconv_t  its_conv; char *p1;
     its_conv = iconv_open("UTF-8","GBK"); const char* p = src;
     p1 = dst;
     iconv(its_conv, &p, &inlen, &p1, &outlen); //printf("%s\n",out);  iconv_close(its_conv); return 0;
}

网上一个人写的支持windows和linux的wchar_t与UTF-8编码之间的转换和UTF-16和wchar_t之间的转换代码

#ifdef WINDOWS  
 #include <windows.h> #include <stdio.h> #include <ctype.h> #else  #include <iconv.h> #include <wctype.h> #include <wchar.h> #include <errno.h> #endif  //wchar_t转成UTF-8  int FW2UTF8Convert( const wchar_t* a_szSrc, int a_nSrcSize, char* a_szDest, int a_nDestSize )  
{  
     #ifdef WINDOWS return WideCharToMultiByte( CP_UTF8, 0, a_szSrc, -1, a_szDest, a_nDestSize, NULL, NULL ); #else  size_t result;  
         iconv_t env;  
         env = iconv_open("UTF-8","WCHAR_T"); if (env==(iconv_t)-1)  
         {  
              printf("iconv_open WCHAR_T->UTF8 error%s %d\n",strerror(errno),errno) ; return -1;  
         }  
         result = iconv(env,(char**)&a_szSrc,(size_t*)&a_nSrcSize,(char**)&a_szDest,(size_t*)&a_nDestSize); if (result==(size_t)-1)  
         {  
              printf("iconv WCHAR_T->UTF8 error %d\n",errno) ; return -1;  
         }  
         iconv_close(env); return (int)result; #endif  } //UTF-8转成wchar_t  int FUTF82WConvert( const char* a_szSrc, wchar_t* a_szDest, int a_nDestSize )  
{  
     #ifdef WINDOWS return MultiByteToWideChar( CP_UTF8, 0, a_szSrc, -1, a_szDest, a_nDestSize ); #else  size_t result;  
         iconv_t env; int size = strlen(a_szSrc)+1 ;  
         env = iconv_open("WCHAR_T","UTF-8"); if (env==(iconv_t)-1)  
         {  
              printf("iconv_open UTF8->WCHAR_T error %d\n",errno) ; return -1;  
         }  
         result = iconv(env,(char**)&a_szSrc,(size_t*)&size,(char**)&a_szDest,(size_t*)&a_nDestSize); if (result==(size_t)-1)  
         {  
              printf("iconv UTF8->WCHAR_T error %d\n",errno) ; return -1;  
         }  
         iconv_close(env); return (int)result; #endif  } //wchar_t转成utf16  int FW2UConvert( const wchar_t* a_szSrc, int a_nSize,char* a_szDest, int a_nDestSize )  
{  
     #ifdef WINDOWS  
         memcpy_s((wchar_t*)a_szDest,a_nDestSize,a_szSrc,a_nSize); return a_nSize ; #else  size_t result;  
         iconv_t env;  
         env = iconv_open("UCS-2-INTERNAL","UCS-4-INTERNAL"); if (env==(iconv_t)-1)  
         {  
              printf("iconv_open WCHAR_T->UTF16 error%s %d\n", strerror(errno),errno); return -1;  
         }  
         result = iconv(env,(char**)&a_szSrc,(size_t*)&a_nSize,(char**)&a_szDest,(size_t*)&a_nDestSize); if (result==(size_t)-1)  
         {  
              printf("iconv WCHAR_T->UTF16 error %s %d\n", strerror(errno), errno); return -1;  
         }  
         iconv_close(env); return (int)result; #endif  } //utf16转成wchar_t  int FU2WConvert( const char* a_szSrc, int a_nSize, wchar_t* a_szDest, int a_nDestSize )  
{  
     #ifdef WINDOWS  
         memcpy_s(a_szDest,a_nDestSize,(const wchar_t*)a_szSrc,a_nSize); return a_nSize ; #else  size_t result;  
         iconv_t env;  
         env = iconv_open("UCS-4-INTERNAL","UCS-2-INTERNAL"); if (env==(iconv_t)-1)  
         {  
              printf("iconv_open error %d\n",errno) ; return -1;  
         }  
         result = iconv(env,(char**)&a_szSrc,(size_t*)&a_nSize,(char**)&a_szDest,(size_t*)&a_nDestSize); if (result==(size_t)-1)  
         {  
              printf("UTF16 -> WCHAR_T conv error %d\n",errno) ; return -1;  
         }  
         iconv_close(env); return (int)result; #endif  }

 

网上不错的资源：

C/C++ 编程中多国语言处理

http://www.ibm.com/developerworks/cn/linux/l-cn-ccppglb/index.html?ca=drs-

彻底解密C++宽字符：1、从char到wchar_t

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740615.aspx

彻底解密C++宽字符：2、Unicode和UTF

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740616.aspx

彻底解密C++宽字符：3、利用C运行时库函数转换

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740618.aspx

彻底解密C++宽字符：4、利用codecvt和use_facet转换

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740620.aspx

彻底解密C++宽字符：5、利用fstream转换

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740621.aspx

彻底解密C++宽字符：6、国际化策略

http://blog.csdn.net/wallaceli1981/archive/2010/07/16/5740622.aspx

C 源文件内的中文(1)

http://hi.baidu.com/cyclone/blog/item/e48c76099b002ca22eddd4c3.html

C 源文件内的中文(2)

http://hi.baidu.com/cyclone/blog/item/25b262d973e9d72111df9bcf.html

UTF-8 and Unicode FAQ for Unix/Linux

http://blog.csdn.net/lovekatherine/archive/2007/08/30/1765903.aspx