CEGUI::String类分析

CEGUI::String类算是一个不错的类，但是说实话，这个类让非英文国度的IT们不是很舒服。比如，自我们学习C++编程以来，我们一直使用这样的输出语句：

std::cout << "名字: " << szName << std::endl;

其中"名字："使用的是多字节编码（ASCII编码的扩充版本）。我们的控制台能正确显示这些中文文本。但是当我们初次了解并使用CEGUI的时候，却无法使用这样简单的功能：

CEGUI::String strName = "徐杰";
pNameWindow->setText( strName );

不是说编译不过，而是显示不正确。求其根源有两个原因：

1. CEGUI 使用 utf32 编码方案，这个并不重要。重要的是 CEGUI::String 如何将 const char* 这样参数转换成其内部编码方式。只要转换正确，CEGUI会按照自己的方式，将utf32 编码方案的文本显示出来。但不幸的是，eddy博士的团队并不认为 const char* 会指向非英文字符串，所以 CEGUI::String 接受 const char* 的构造函数，根本就没有进行多字节编码到 utf32 编码的转换。
   
   
2. 其次，即使我们将多字节编码正确转换成了 utf32 编码，传给了CEGUI::String，我们也无法让空间显示出中文。这个问题主要是字体文件的问题，正确的字符编码必须使用正确字体文件，才能正确显示出中文。（一开始，我还以为是CEGUI::String本身的问题，后来到网上查了查，CEGUI::String的utf8构造函数是没有问题的，只是需要正确的字体文件）

我们根据这两个问题，分别给出解决方案：

1. CEGUI::String 接受几种字符串类型，通过查看源码CEGUI::String只支持其他三种字符串类型：

   String(const char* chars, size_type chars_len)
   	{
   		init();
   		assign(chars, chars_len);
   	}
   String(const std::string& std_str, size_type str_idx, size_type str_num = npos)
   	{
   		init();
   		assign(std_str, str_idx, str_num);
   	}
   String(const utf8* utf8_str, size_type chars_len)
   	{
   		init();
   		assign(utf8_str, chars_len);
   	}

   第一种和第二种其实是一样的，std::string只不过是 const char* 的封装类，内部还是使用的多字节编码。第三种是接受一个utf8编码的字符串。之前我们讲过，CEGUI::String 根本不对 const char* 进行适当的编码转换，所以如果我们想传入中文文本，那么，我们唯一的出路是使用 utf8 编码的字符串。这样我们就需要构造 utf8 字符串了。Window SDK有响应的函数可以帮助我们完成多字节编码到utf8编码的转换。下面是我写的转换函数：

   #define MB2UTF8( str ) ( const CEGUI::utf8* )( MultiByteToUtf8( ( str ) ).c_str() )
   
   std::string MultiByteToUtf8( const char* pszMultiByte )
   {
       std::string strUtf8;
   
       if( NULL == pszMultiByte )
       {
           return strUtf8;
       }
   
       int iNumCharacter = 0;
   
       //convert from MultiByte to WideChar
       std::wstring wcsText;
       iNumCharacter = MultiByteToWideChar( CP_ACP, 0, pszMultiByte, -1, NULL, 0 );
       wcsText.resize( iNumCharacter + 1 );//addition 1 for '\0'
   
       MultiByteToWideChar( CP_ACP, 0, pszMultiByte, -1, &wcsText[ 0 ], iNumCharacter );
   
       //convert from WideChar to utf8
       iNumCharacter = WideCharToMultiByte( CP_UTF8, 0, &wcsText[ 0 ], -1, NULL, 0, NULL, NULL );
       strUtf8.resize( iNumCharacter + 1 );
       WideCharToMultiByte( CP_UTF8, 0, &wcsText[ 0 ], -1, &strUtf8[ 0 ], iNumCharacter, NULL, NULL );
   
       return strUtf8;
   }
   
   void setWindowText( CEGUI::Window* pWindow, const char* pszText )
   {
       if( NULL == pWindow || NULL == pszText )
       {
           return;
       }
   
       pWindow->setText( MB2UTF8( pszText ) );
   }
   

2. 给出正确的字体文件。
   

   1. 首先到 C:\WINDOWS\Fonts 路径下找到一个带有中文字符的字体文件 ”simhei"，拷贝一下，然后放到 CEGUI SDK 的 datafiles\fonts 路径下。
   2. 复制 CEGUI SDK 的 datafiles\fonts 下的一个.font文本，然后粘贴一下（出来一个该文件的副本），更改文件名为simhei.font。然后用写字板或者记事本打开，如下文本：
      

      <?xml version="1.0" ?>
      <Font Name="Batang-26" Filename="batang.ttf" Type="FreeType" Size="26" NativeHorzRes="1024" NativeVertRes="768" AutoScaled="true"/>
      

      修改 Name（代表程序中使用什么名字表示该字体） 和 Filename（该字体对应的字体文件名）字段：
      

      <?xml version="1.0" ?>
      <Font Name="simhei" Filename="simhei.ttf" Type="FreeType" Size="26" NativeHorzRes="1024" NativeVertRes="768" AutoScaled="true"/>
      

   3. 修改对应的.scheme文件，打开TaharezLook.scheme文件，将

      <Font Filename="DejaVuSans-10.font" />

      修改为：
      

      <Font Filename="simhei.font" />

最后还是建议，直接修改CEGUI::String的源码，将ASCII正确地转换成 utf32 编码，这样效率更高一点，使用也更加舒服。例如，添加下列代码到CEGUI::String类中可实现直接传递宽字符：

    String( const wchar_t* utf16 )
    {
        init();
        assign( utf16 );
    }

    String& assign( const wchar_t* utf16 )
    {
        if( NULL == utf16 )
        {
            return *this;
        }

        int iNumCharacter = wcslen( utf16 );

        grow( iNumCharacter );

        utf32* pData = ptr();
        for( int i = 0; i < iNumCharacter; ++i )
        {
            pData[ i ] = utf16[ i ];
        }

        setlen( iNumCharacter );

        return *this;
    }

因为utf16绝大部分是utf32的子集，所以可以直接赋值（至少对于汉字来说可以）。

更多关于字符编码的问题，网友可以查看本人博客：彻底搞懂字符编码(unicode,mbcs,utf-8,utf-16,utf-32,big endian,little endian...)