C/C++ 编程中多国语言处理

文章摘要：这里以 MBs2WCs 函数的实现说明 GB2312 向 Unicode 的转换的主要过程：清单 1. 多字节字符串向宽字节字符串转换wchar_t*MBs2WCs(constchar*pszSrc){wchar_t*pwcs=NULL;intsize=0;#ifdefined(_linux_)setlocale(LC_ALL,"zh_CN.GB2312");size=mbstowcs(NULL,pszSrc,0);pwcs=newwchar_t[size+1];size=mbstowcs(pwcs,pszSrc,size+1);pwcs[size]=0;#elsesize

C/C++ 编程中多国语言处理,标签：eda技术,eda技术实用教程,http://www.88dzw.com

　　这里以 MBs2WCs 函数的实现说明 GB2312 向 Unicode 的转换的主要过程：

　　清单 1. 多字节字符串向宽字节字符串转换

　　wchar_t　*　MBs2WCs(const　char*　pszSrc){

　　wchar_t*　pwcs　=　NULL;

　　intsize　=　0;

　　#ifdefined(_linux_)

　　setlocale(LC_ALL,　"zh_CN.GB2312");

　　size　=　mbstowcs(NULL,pszSrc,0);

　　pwcs　=　new　wchar_t[size+1];

　　size　=　mbstowcs(pwcs,　pszSrc,　size+1);

　　pwcs[size]　=　0;

　　#else

　　size　=　MultiByteToWideChar(20936,　0,　pszSrc,　-1,　0,　0);

　　if(size　<=　0)

　　returnNULL;

　　pwcs　=　new　wchar_t[size];

　　MultiByteToWideChar(20936,　0,　pszSrc,　-1,　pwcs,　size);

　　#endif

　　returnpwcs;

　　}

　　相应的，WCs2MBs 可以将宽字符串转化为字节流。

　　清单 2. 宽字节字符串向多字节字符串转换

　　char*　WCs2MBs(const　wchar_t　*　wcharStr){

　　char*　str　=　NULL;

　　intsize　=　0;

　　#ifdefined(_linux_)

　　setlocale(LC_ALL,　"zh_CN.UTF8");

　　size　=　wcstombs(　NULL,　wcharStr,　0);

　　str　=　new　char[size　+　1];

　　wcstombs(　str,　wcharStr,　size);

　　str[size]　=　'\0';

　　#else

　　size　=　WideCharToMultiByte(　CP_UTF8,　0,　wcharStr,　-1,　NULL,　NULL,　NULL,　NULL　);

　　str　=　new　char[size];

　　WideCharToMultiByte(　CP_UTF8,　0,　wcharStr,　-1,　str,　size,　NULL,　NULL　);

　　#endif

　　returnstr;

　　}

　　Linux 的 setlocale 的具体使用可以参阅有 C/C++ 文档，它关系到文字、货币单位、时间等很多格式问题。Windows 相关的代码中 20936 和宏定义 CP_UTF8 是 GB2312 编码对应的的 Code Page[ 类似的 Code Page 参数可以从 MSDN的 Encoding Class 有关信息中获得 ]。

　　这里需要特别指出的是 setlocale 的第二个参数，Linux 和 Windows 是不同的：

　　1. 笔者在 Eclipse CDT + MinGW 下使用 [country].[charset]（如 zh_CN.gb2312 或 zh_CN.UTF8）的格式并不能通过编码转换测试，但可以使用 Code Page，即可以写成 setlocale(LC_ALL, ".20936") 这样的代码。这说明，这个参数与编译器无关，而与系统定义有关，而不同操作系统对于已安装字符集的定义是不同的。

　　2. Linux 系统下可以参见 /usr/lib/locale/ 路径，系统所支持的 locale 都在这里。转换成 UTF8 时，并不需要 [country] 部分一定是 zh_CN，en_US.UTF8 也可以正常转换。

　　另外，标准 C 和 Win32 API 函数返回值是不同的，标准 C 返回的 wchar_t 数组或者是 char 数组都没有字符串结束符，需要手动赋值，所以 Linux 部分的代码要有区别对待。

　　最后，还要注意应当在调用这两个函数后释放分配的空间。如果将 MBs2WCs 和 WCs2MBs 的返回值分别转化为 wstring 和 string，就可以在它们函数体内做 delete，这里为了代码简明，故而省略，但请读者别忘记。

　　第三方库

　　目前的第三方工具已经比较完善，这里介绍两个，本文侧重点不在此，不对其做太多探讨。

　　Linux 上存在第三方的 iconv 项目，使用也较为简单，其实质也是以 Unicode 作为转换的中介。

　　ICU 是一个很完善的国际化工具。其中的 Code Page Conversion 功能也可以支持文本数据从任何字符集向 Unicode 的双向转换。

　　实验测试

　　在代码中调用“编码转换方法”一节里提到的函数，将 gb2312 编码的字符串转换为 UTF8 编码，分析其编码转换的行为：

　　在英文 Linux 环境下，执行下列命令：

　　export　LC_ALL=zh_CN.gb2312

　　然后编译并执行以下程序（其中汉字都是在 gb2312 环境中写入源文件）

　　L1:　　　wstring　ws　=　L"一";

　　L2:　　　string　s_gb2312　=　"一";

　　L3:　　　wchar_t　*　wcs　=　MBs2WChar(s_gb2312.c_str());

上一页  [1] [2] [3]  下一页