拨开字符编码的迷雾--字符编码转换

拨开字符编码迷雾系列文章链接：

1. 拨开字符编码的迷雾--字符编码概述
2. 拨开字符编码的迷雾--编译器如何处理文件编码
3. 拨开字符编码的迷雾--字符编码转换
4. 拨开字符编码的迷雾--MySQL数据库字符编码

1. Windows API介绍

本文介绍使用Windows API进行字符编码的转换，涉及WideCharToMultiByte和MultiByteToWideChar2个API，
API接口名中的MultiByte对应着多字节编码，如ASCII、UTF-8等都是多字节编码，而WideChar字面意思是宽字符，在windows内部宽字符特指UTF-16编码。 原型如下：

int WideCharToMultiByte(
  UINT CodePage, 
  DWORD dwFlags, 
  LPCWSTR lpWideCharStr, 
  int cchWideChar, 
  LPSTR lpMultiByteStr, 
  int cbMultiByte, 
  LPCSTR lpDefaultChar, 
  LPBOOL lpUsedDefaultChar 
);

int MultiByteToWideChar(
  UINT CodePage, 
  DWORD dwFlags, 
  LPCSTR lpMultiByteStr, 
  int cbMultiByte, 
  LPWSTR lpWideCharStr, 
  int cchWideChar 
);

2. 接口封装

std::string UnicodeToANSI(const std::wstring &str, UINT iCodePage = CP_ACP) {
	std::string strRes;
	int iSize = ::WideCharToMultiByte(iCodePage, 0, str.c_str(), -1, NULL, 0, NULL, NULL);

	if (iSize == 0)
		return strRes;

	char *szBuf = new (std::nothrow) char[iSize];
	if (!szBuf)
		return strRes;
	memset(szBuf, 0, iSize);

	::WideCharToMultiByte(iCodePage, 0, str.c_str(), -1, szBuf, iSize, NULL, NULL);

	strRes = szBuf;
	delete[] szBuf;

	return strRes;
}

std::wstring ANSIToUnicode(const std::string &str, UINT iCodePage = CP_ACP) {
	std::wstring strRes;

	int iSize = ::MultiByteToWideChar(iCodePage, 0, str.c_str(), -1, NULL, 0);

	if (iSize == 0)
		return strRes;

	wchar_t *szBuf = new (std::nothrow) wchar_t[iSize];
	if (!szBuf)
		return strRes;
	memset(szBuf, 0, iSize * sizeof(wchar_t));

	::MultiByteToWideChar(iCodePage, 0, str.c_str(), -1, szBuf, iSize);

	strRes = szBuf;
	delete[] szBuf;

	return strRes;
}

std::string UnicodeToUTF8(const std::wstring &str) {
	std::string strRes;

	int iSize = ::WideCharToMultiByte(CP_UTF8, 0, str.c_str(), -1, NULL, 0, NULL, NULL);

	if (iSize == 0)
		return strRes;

	char *szBuf = new (std::nothrow) char[iSize];
	if (!szBuf)
		return strRes;
	memset(szBuf, 0, iSize);

	::WideCharToMultiByte(CP_UTF8, 0, str.c_str(), -1, szBuf, iSize, NULL, NULL);

	strRes = szBuf;
	delete[] szBuf;

	return strRes;
}

std::string UnicodeToUTF8BOM(const std::wstring &str) {
	std::string strRes;

	int iSize = ::WideCharToMultiByte(CP_UTF8, 0, str.c_str(), -1, NULL, 0, NULL, NULL);

	if (iSize == 0)
		return strRes;

	unsigned char *szBuf = new (std::nothrow) unsigned char[iSize + 3];
	if (!szBuf)
		return strRes;
	memset(szBuf, 0, iSize + 3);

	if (::WideCharToMultiByte(CP_UTF8, 0, str.c_str(), -1, (LPSTR)(szBuf + 3), iSize, NULL, NULL) > 0) {
		szBuf[0] = 0xEF;
		szBuf[1] = 0xBB;
		szBuf[2] = 0xBF;
	}

	strRes = (char*)szBuf;
	delete[] szBuf;

	return strRes;
}

std::wstring UTF8ToUnicode(const std::string &str) {
	std::wstring strRes;
	int iSize = ::MultiByteToWideChar(CP_UTF8, 0, str.c_str(), -1, NULL, 0);

	if (iSize == 0)
		return strRes;

	wchar_t *szBuf = new (std::nothrow) wchar_t[iSize];
	if (!szBuf)
		return strRes;
	memset(szBuf, 0, iSize * sizeof(wchar_t));
	::MultiByteToWideChar(CP_UTF8, 0, str.c_str(), -1, szBuf, iSize);

	strRes = szBuf;
	delete[] szBuf;

	return strRes;
}

std::string ANSIToUTF8(const std::string &str, UINT iCodePage = CP_ACP) {
	return UnicodeToUTF8(ANSIToUnicode(str, iCodePage));
}

std::string ANSIToUTF8BOM(const std::string &str, UINT iCodePage = CP_ACP) {
	return UnicodeToUTF8BOM(ANSIToUnicode(str, iCodePage));
}

std::string UTF8ToANSI(const std::string &str, UINT iCodePage = CP_ACP) {
	return UnicodeToANSI(UTF8ToUnicode(str), iCodePage);
}

对于只支持简体中文（部分韩文、日文）的系统，iCodePage可以使用CP_ACP，这时API会使用系统当前的代码页（简体中文系统为CP936，即GBK字符集）来进行编码转换。 但遇到如下情况就需要手动指定代码页了：

1. 需要转换的字符串中的文字是系统当前代码页不支持的。如字符串中含有中文，而当前系统代码页确是英文的；
2. GBK字符集中只包含了一部分韩文和日文，部分韩文和日文的转换可以正常转换，若遇到不能转换的情况也需要将指定iCodePage为特定的支持韩文或日文的代码页了，特别是中文和韩文、日文等混合的情况下。如韩文“탉”不包含在GBK中，若这时仍然使用CP_ACP就会得到错误的转换结果?，十六进制3F。但GB18030（代码页为54936）支持“탉”，可以手动指定iCodePage为54936。

如果代码中含有GBK不支持的字符，如“탉”、“𤭢”等，Visual Studio会弹出如下提示：

选择“以其他编码保存”，选择“Unicode（UTF-8带签名）- 代码页65001”保存。
虽然“简体中文（GB18030) - 代码页54936”也支持这些字符，但不能选择该选项进行保存，具体原因在拨开字符编码的迷雾--编译器如何处理文件编码 中有详细的介绍。