在Xcode 模拟器环境下,测试wchar_t与char的转换:
void convert_test() { setlocale(LC_ALL, "zh_CN.UTF-8"); char* src_str = "中国"; wchar_t* src_wstr = L"中国"; char* dest_str = malloc(32); wchar_t* dest_wstr = malloc(32); mbstowcs(dest_wstr, src_str, mbstowcs(NULL, src_str, 100)); wcstombs(dest_str, src_wstr, wcstombs(NULL, src_wstr, 100)); free(dest_str); free(dest_wstr); }
这里遇到两个疑问:
1. 字符串存储时的编码格式由什么决定?
2. wcstombs()和mbstowcs()这两个函数对编码格式进行了什么样的转换?
其中,汉字"中“、“国”的编码如下:
第1个问题,根据C/C++编译策略,字符串的编码方式由源文件格式决定(http://www.cppblog.com/lf426/archive/2010/06/25/118707.html);我们来根据测试结果证实一下:
当源文件格式是UTF-8时:
[1] src_str 内存数据 : 0x0010139e: e4 b8 ad e5 9b bd 00 6c 65 6e 20 3d 20 25 64 0a .......len = %d.
[2] src_wstr 内存数据: 0x00101abc: 2d 4e 00 00 fd 56 00 00 00 00 00 00 01 00 00 00 -N...V..........
当源文件格式是GB2312时:
[3] src_str在内存中的结果: 0x000b6906: d6 d0 b9 fa 00 6c 65 6e 20 3d 20 25 64 0a 00 63 .....len = %d..c
[4] GB2312的文件格式下,汉字无法以宽字符的格式保存,编译错误;
从上面的结果[1]中可以看到,在UTF-8格式源文件中,以char格式保存的字符串, 从低到高是"e4 b8 ad e5 9b bd",刚好是"中国"的UTF-8编码按字节由低到高存储的格式(不存在字节序的问题); 而[3]中可以看出, char字符串存储的刚好是"中国“的GB2312编码,与源文件格式一致,每字节分开保存(也不存在字节序的问题); 从[2]中可以看到,wchar_t格式的数据"2d 4e 00 00 fd 56 00 00"刚好是“中国”的Unicode编码,而且是小端格式; 因此,结论是当以char类型保存中文字符的时候,编码式由源文件的编码格式决定;而wchart_t类型的宽字符都以Unicode编码的方式保存;
第2个问题, C标准库函数mbstowcs()和wcstombs()对编码转换具体进行了什么操作?根据手册,我们知道mbstowcs()将char类型的字符串转换成wchart_t类型的字符串,wcstombs()则相反; 因为这两个函数依赖于本地化策略,所以需要先调用setLocale(),首先设置成"zh_CN.UTF-8"格式,得到转换后的数据:
[5] dest_str内存数据: 0x7a946520: e4 b8 ad e5 9b bd d8 01 00 00 93 7a 0d 00 93 7a ...........z...z
[6] dest_wstr内存数据:0x7a822b50: 2d 4e 00 00 fd 56 00 00 0e 42 6c 61 63 6b 5f 31 -N...V...Black_1
从[5]可以看到wcstombs()函数将宽字节表示的"中国"转换后的结果就是其UTF-8编码; [6]中可以看出,mbstowcs()实际上将UTF-8表示的”中国“转换成了其对应的Unicode编码; 这正好是字符在char类型下的编码方式与wchar_t类型下的编码方式间的相互转换。
(转载请注明出处:http://blog.csdn.net/codigger/article/details/40711103)
原文地址:http://blog.csdn.net/codigger/article/details/40711103