在Linux的终端中显示BMPString的内容

在上一篇博文中，介绍了如何在 Windows 的控制台界面下输出 BMPString 的内容，但是那里的方法在 Linux 下不适用。如果将那里的示例代码放到 Linux 下执行，输出的结果为乱码。产生乱码的原因在于 wchar_t 类型的变量在 Windows 下和 Linux 下的字节长度不同。

以下 C 程序在 Windows 和 Linux 下都能够执行：

#include <stdio.h>
#include <wchar.h>
#if defined(_WIN32) || defined(_WIN64)
  #include <stdlib.h>
#endif
int main(void)
{
  printf("wide character (wchar_t type) length is %d bytes.\n", sizeof(wchar_t));
#if defined(_WIN32) || defined(_WIN64)
  system("pause");
#endif
  return 0;
}

输出结果是不同的。在 64 位 Windows 下，用微软的编译器将其分别编译成 32 位和 64 位可执行程序，输出结果证明 wchar_t 类型变量长度为 2 字节。在 64 位 Linux 下，用 64 位的 GCC 编译后执行，输出结果证明 wchar_t 类型变量长度为 4 字节。

在 Windows 下处理 BMPString 时，比如对于字符“中”，对应的 UTF-16 编码是0x4E, 0x2D，我们处理的方法是将其由 big-endian 顺序转换为 little-endian 顺序，再用 wprintf() 函数输出。

在 Linux 下处理 BMPString 时，比如对于字符“中”，对应的 UTF-16 编码是0x4E, 0x2D，我们处理的方法是将其由 2 字节长扩展到 4 字节长，扩展时新添加的两个字节的值为 0，即变为 0x0, 0x0, 0x4E, 0x2D，再由 big-endian 顺序转换为 little-endian 顺序，即编码变成 0x2D, 0x4E, 0x0, 0x0，再用 wprintf() 函数输出。

所以在 Linux 下要显示 BMPString，一般方法是先将 UTF-16 big-endian 方式的字符编码扩展为 UTF-32 big-endian 方式的字符编码，扩展方法是在前面加上两个字节的 0，再将UTF-32 big-endian 方式的字符编码变为 UTF-32 little-endian 方式的字符编码。（也可先将 UTF-16 big-endian 方式的字符编码转换为 little-endian 顺序，再给后面加上两个字节的 0，效果是一样的。）

下面给出一个示例程序：

/**************************************************
* Author: HAN Wei
* Author's blog: http://blog.csdn.net/henter/
* Date: Oct 31th, 2014
* Description: demonstrate how to print BMPString
  on Linux console
**************************************************/
 
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <locale.h>
#include <wchar.h>

/**************************************************
*函数名称：PrintBMPStringOnLinux
*功能: 在 Linux 终端下输出 BMPString
*参数:
    BMPString     [in]      
    BMPString_len [in]   BMPString 的长度，以字节为单位
*返回值:
    0   成功
    -1  失败
**************************************************/

int PrintBMPStringOnLinux(unsigned char *BMPString, unsigned int BMPString_len)
{
  unsigned char *buffer;
  unsigned int buffer_len, i;
  unsigned char *p, *q;

  buffer_len = BMPString_len * 2 + 4; /* 缓冲区大小为 BMPString 的字节长度的两倍
                                         再加上四个字节，这四个字节用来存放字符串
										 结束符 \0（其类型为 wchar_t ），其对应
										 编码是 0x0, 0x0, 0x0, 0x0 */

  if ( !(buffer = (unsigned char *)malloc(buffer_len)) )
  {
#ifdef _DEBUG
    printf("malloc() function failed!\n");
#endif
    return (-1);
  }

  memset(buffer, 0, buffer_len);
  p = buffer;
  q = BMPString;
  for (i=0; i < (int)BMPString_len/2; i++)
  {
    *p = *(q+1);
    *(p+1) = *q;
    p += 4;
    q += 2;
  }

  setlocale(LC_ALL, "zh_CN.utf8");
  wprintf(L"BMPString: %ls\n", (wchar_t *)buffer);
  free(buffer);
  return 0;
}

int main(void)
{
  int error_code;
  unsigned char BMPString_data1[]={0x4e, 0x2d, 0x56, 0xfd};  /* 中文字符串"中国"对应的 Unicode 编码 */
  unsigned char BMPString_data2[]={0x0, 0x55, 0x0, 0x73, 0x0, 0x65, 0x0, 0x72};  /* 英文字符串"User"对应的 Unicode 编码 */
  char str[]={0x2d, 0x4e, 0x0, 0x0, 0xfd, 0x56, 0x0, 0x0, 0x0, 0x0, 0x0, 0x0};

  if ( error_code = PrintBMPStringOnLinux(BMPString_data1, sizeof(BMPString_data1)) )
  {
   printf("Print BMPstring on Windows console failed!\n");
   return (-1);
  }

  if ( error_code = PrintBMPStringOnLinux(BMPString_data2, sizeof(BMPString_data2)) )
  {
   printf("Print BMPstring on Windows console failed!\n");
   return (-1);
  }

/* 下面给出了说明 unicode 编码的字符在 Linux 中是如何存放的一个例子，
   从显示结果可以看出：对于每一个用 wchar_t 类型保存的 UTF-16 字符，
   长度为 4 字节，以 little-endian 顺序存放 */
  printf("\n");
  setlocale(LC_ALL, "zh_CN.utf8");
  wprintf(L"%ls\n", (wchar_t *)str);

  return 0;
}

该程序在 64 位 CentOS 下，用 64位 GCC 编译器编译后执行，输出结果如下图：