linguist 乱码问题 : Qt国际化（源码含中文时）的点滴分析
文章来源:http://blog.csdn.net/dbzhang800/article/details/6334852
注意：本文不介绍如何使用Qt的国际化、本地化支持。本文针对的是偏底层的、Manual和其他资料中很少涉及的东西。所以，继续之前，请先确保：你已经对如何使用Qt的国际化比较熟悉了。
本文针对的是 tr("我是中文") 这种情况， 是Qt中translate、tr 与中文问题 一文提到的 2b 问题的深入。
例子
首先，个人比较抵制源码中使用中文（当然也包括用tr扩住中文了）。但是如果非要用，也不是不可以。在 Qt中translate、tr 与中文问题 一文中，我提到了这个问题。
废话少说，看个例子：
#include <QApplication>
#include <QPushButton>
#include <QTextCodec>
#include <QTranslator>
int main(int argc, char *argv[])
{
QApplication app(argc, argv);
#ifndef LOVE_GBK
QTextCodec::setCodecForTr(QTextCodec::codecForName("utf-8"));
#else
QTextCodec::setCodecForTr(QTextCodec::codecForName("GB2312"));
#endif
QTranslator translator;
translator.load("hellotr_en");
app.installTranslator(&translator);
QPushButton hello(QPushButton::tr("你好!", "版权所有：Dbzhang800"));
hello.show();
return app.exec();
}
大家应该都知道如何做了：
-
使用lupdate 生成 hellotr_en.ts 文件
-
使用linguist 打开该文件进行翻译
-
使用lrelease (或通过linguist的菜单)将其转换成hellotr_en.qm文件
三步走下来，结果正常，界面能显示翻译出来的问题。但是，翻译过程中有一点会很不爽：
- hellotr_en.ts 文件中，本该显示"你好!"的地方出现的是一堆乱码！
- 当然，使用linguist进行翻译时很难受，因为你不知道乱码处是什么东西
为了解决这个问题，我们不妨从源头lupdate开始看看。
lupdate
作用：从源码文件中提取待翻译的字符串
目前支持的源码文件的后缀：
java,jui,ui,c,c++,cc,cpp,cxx,ch,h,h++,hh,hpp,hxx,js,qs,qml
我们这儿只关心与C++有关的源码文件（QtJambi、QtScript、!Qt Quick相关的源码文件可能会有不同，我不能确定），能力和精力有限哈。
生成.ts文件
要使用lupdate，细分一下，有两种方式：
- 在 .pro 中指定要生成的ts文件：
TRANSLATIONS = hello_zh_CN.ts hello_zh_TW.ts
- 在命令行中指定要生成的ts文件（这时将忽略.pro内指定的文件）：
lupdate hello.pro -ts hello_zh_CN.ts hello_zh_TW.ts
乱码？
我们在 QString 与中文问题 一文中，已经充分见识了源码中包含非latin1字符时的编码问题。 lupdate 要从源码文件中提取中文字符串，但它无从知道那我们使用的utf-8，还是gbk，又或者是big5等等编码。所以，需要我们告诉它！
前面提到lupdate的两种用法，那么我们要分别通过两种方法告诉它我们的文件是何种编码：
- 在 .pro 中指定要生成的ts文件时，在 .pro 文件内指定编码
CODECFORTR = utf-8 #or gbk #DEFAULTCODEC = utf-8 #CODEC = utf-8
注意，如果 CODECFORTR 没有定义，将找 DEFAULTCODEC，如果还没有定义，将找 CODEC。3个都没有定义的话，就采用latin1
- 在 命令行指定 ts 文件时，需要在命令行指定编码
lupdate hello.pro -codecfortr utf-8 -ts hello_zh_CN.ts hello_zh_TW.ts
-
万恶的MSVC?
- 注意：如果你在使用msvc的编译器，除了前面提到的东西，你还需要知道一点:
- 如果你的源码文件是带BOM的utf8，utf16等编码格式，它会有转码的动作。
- 这样一来，tr()包住的字符串将转码成时GBK、BIG5等system编码，与源文件所用的编码不同。
- 所以，对此，我们还需要指定源文件的编码：
CODECFORTR = GB2312 CODECFORSRC = UTF-8
恩，编码设置挺顺利的，这样一来，lupdate根据指定的编码能识别我们的汉字，然后生成的.ts文件不再是乱码了，同时，它在.ts文件中记录下源码中窄字符串的编码
<defaultcodec>GB2312</defaultcodec>
-
注意 ：lupdate 存在一些bug，你如此操作之后，程序运行时可能会无法加载翻译的内容！！我们稍后介绍。
lrelease
lrelease 是 Linguist 工具链的一部分，可作为独立程序使用。它将 .ts 文件转换成压缩的 .qm 文件，供 QTranslator 使用。
- 读入.ts 文件(.ts文件是包含编码信息的xml文件，不存在乱码的基础)
-
将读入的字符串编码 后按某种格式存储后 .qm 文件中
- 默认情况下，采用latin1编码
- 对于.ts文件中包括defaultcodec的，采用该编码
对应于前面 lupdate 的用法，lrelease也有两种用法
- pro 文件内指定了 ts 文件
lrelease project.pro
- 通过命令行指定 ts 文件
lrelease ts-files [-qm qm-file]
注意bug！
我们刚才提到 .ts 到 .qm 的过程，存在一个编码的过程。具体到我们前面提到的GB2312，意味着lrelease需要使用Qt的插件(比如qcncodecs4.dll)。
但很不幸，当前版本(Qt4.7)的lrelease存在bug。
- 我不知道Qt在搞什么飞机，它程序中没有使用QCoreApplication(反而做了很多其他的工作)，结果导致无法加载插件。这样一来，QString 中存放的unicode字符串将强制转成latin1（信息丢失！）
注意：如果你使用的utf-8编码，则不存在这个问题。因为utf-8不需要插件。
如何避免？
尝试阅读lrelease的源码，因为功底太差，最终放弃。所以我也无法提供补丁，只告诉大家一个折中的方法:
如果你在简体中文的windows系统中使用gb2312，那么在指定编码是，直接指定SYSTEM而不要指定GB2312 ，这样一来，可以避免使用codecs插件。
这样的话，.ts中的字符串将会在不借助codecs插件的情况下被lrelease成功地被转码成gb2312。我们的程序此时又可以成功加载翻译了。鼓掌！呵呵
lingiust
- 通过设置字符集，我们在lingiust中进行翻译时，已经可以正常看到汉字了
- 因为它是从.ts文件加载的，xml格式的.ts文件是不存在乱码基础的
- 但是一点例外：就是 lingiust 显示源码的窗口(Sources and Forms)中，汉字依然是乱码
原因？
个人认为这应当是lingiust的一个bug。
- 因为它显示源码时，简单粗暴，直接按照latin1进行读入的
- 实际上，.ts 文件中已经包含 defaultcodec 信息了，但是它却没有使用。
怎么办？我想应该这样来做(其实lupdate也应该这样来做的，如果这样做了，就不用对MSVC的情况单独设置一个source编码了)。
- 如果源码文件包含BOM信息，则直接按照BOM提供的编码信息读入源文件。
- 如果不包含BOM，则按照.ts文件指定的编码读入读入源文件
折中之道
如果你只是想让lingiust能正确显示编码，那么你只需要找到：
-
文件%QTDIR%/tools/linguist/linguist/sourcecodeview.cpp
找到：
void SourceCodeView::showSourceCode(const QString &absFileName, const int lineNum)
{
...
fileText = QString::fromLatin1(file.readAll());
...
}
改为
QString::fromLocal8Bit
重新编译一下lingiust即可。
至此，我们的任务完成！
小结
总结一下：
-
运行lupdate从源码中提取待翻译字符串，需要指定待翻译串的编码 （注意msvc对带BOM文件的处理）
- 运行linguist进行翻译(如果让源码窗口显示也正常，需修改至少一行代码)
- 运行lrelease将.ts编程qm文件，这时对gb2312的处理存在问题，我们采取一个补救措施