C++中utf8字符串和gbk字符串的转换方法
作者：charlee44
文章介绍了C++中UTF-8字符串和GBK字符串之间的转换,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧
这个功能 C++ 语言本身似乎没有标准实现，需要借助于第三方库或者操作系统 API。不得不吐槽一下这么重要的功能居然还没有办法依赖 C++ 语言本身来实现，C++ 标准委员会真是不干人事啊。那就不废话了，直接给出 windows 下的实现。
std::string Utf8ToGbk(const std::string& utf8Str) {
// Step 1: Convert UTF-8 to Wide Char (UTF-16)
int wideCharLen =
MultiByteToWideChar(CP_UTF8, 0, utf8Str.c_str(), -1, nullptr, 0);
if (wideCharLen == 0) {
throw std::runtime_error("Failed to convert from UTF-8 to wide char.");
}
std::wstring wideStr(wideCharLen, 0);
MultiByteToWideChar(CP_UTF8, 0, utf8Str.c_str(), -1, &wideStr[0],
wideCharLen);
// Step 2: Convert Wide Char (UTF-16) to GBK
int gbkLen = WideCharToMultiByte(CP_ACP, 0, wideStr.c_str(), -1, nullptr, 0,
nullptr, nullptr);
if (gbkLen == 0) {
throw std::runtime_error("Failed to convert from wide char to GBK.");
}
std::string gbkStr(gbkLen, 0);
WideCharToMultiByte(CP_ACP, 0, wideStr.c_str(), -1, &gbkStr[0], gbkLen,
nullptr, nullptr);
// Remove the null terminator added by the conversion functions
gbkStr.pop_back();
return gbkStr;
}
std::string GbkToUtf8(const std::string& gbkStr) {
// Step 1: Convert GBK to Wide Char (UTF-16)
int wideCharLen =
MultiByteToWideChar(CP_ACP, 0, gbkStr.c_str(), -1, nullptr, 0);
if (wideCharLen == 0) {
throw std::runtime_error("Failed to convert from GBK to wide char.");
}
std::wstring wideStr(wideCharLen, 0);
MultiByteToWideChar(CP_ACP, 0, gbkStr.c_str(), -1, &wideStr[0], wideCharLen);
// Step 2: Convert Wide Char (UTF-16) to UTF-8
int utf8Len = WideCharToMultiByte(CP_UTF8, 0, wideStr.c_str(), -1, nullptr, 0,
nullptr, nullptr);
if (utf8Len == 0) {
throw std::runtime_error("Failed to convert from wide char to UTF-8.");
}
std::string utf8Str(utf8Len, 0);
WideCharToMultiByte(CP_UTF8, 0, wideStr.c_str(), -1, &utf8Str[0], utf8Len,
nullptr, nullptr);
// Remove the null terminator added by the conversion functions
utf8Str.pop_back();
return utf8Str;
}这段代码的原理很简单：
- CP_ACP 的意思就是本地编码，就是操作系统系统定义的默认编码，依赖于当前操作系统的语言和地区设置。在中文环境下就是 GBk 系列的中文编码，例如 GB2312、GBK 或 GB18030。
- 需要使用宽字节字符串来进行中转，在 Windows 下，std::wstring 是 16 字节字符串，使用 UTF-16 编码。这一点有点类似于 C#的 string 和 Java 的 string，都是 UTF-16 编码。
- MultiByteToWideChar 和 WideCharToMultiByte 都是操作系统的 C 接口，输入和返回的字符串都带'\0'，因此转到 c++ 的 string 需要去掉最后的'\0'字符。这一点需要注意。
测试了用例没有问题。测试 Utf8ToGbk：
// string utfStr = u8"这是一个测试的中文字符串，检查一下"; // string utfStr = u8"测试"; string utfStr = u8"abcdefg"; string gbkStr = Utf8ToGbk(utfStr); // cout << gbkStr << "-------" << endl; // cout << gbkStr.length() << endl; // cout << gbkStr.c_str() << endl; // cout << strlen(gbkStr.c_str()) << endl;
测试 GbkToUtf8：
#ifdef _WIN32 SetConsoleOutputCP(65001); #endif // string gbkStr = "测试"; string gbkStr = "这是一个测试的中文字符串，检查一下"; // string gbkStr = "abcdefg"; cout << gbkStr.length() << endl; string utfStr = GbkToUtf8(gbkStr); cout << utfStr << endl; cout << utfStr.length() << endl;
以上是 Windows 的实现，Linux 环境要使用别的办法，例如使用 iconv 库。
到此这篇关于c++中utf8字符串和gbk字符串的转换的文章就介绍到这了,更多相关c++ utf8字符串和gbk字符串转换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！