C語言中的多字節(jié)字符與寬字符
字符型char只占八位，存儲(chǔ)ascii碼的，而寬字符型是為了存儲(chǔ)多國語言的代碼unicode，包括中文，法語德語什么的，8位256種不夠用了


C語言原本是在英文環(huán)境中設(shè)計(jì)的，主要的字符集是7位的ASCII碼，8位的byte（字節(jié)）是最常見的字符編碼單位。但是國際化軟件必須能夠表示不同的字符，而這些字符數(shù)量龐大，無法使用一個(gè)字節(jié)編碼。?
　　C95標(biāo)準(zhǔn)化了兩種表示大型字符集的方法：寬字符（wide character，該字符集內(nèi)每個(gè)字符使用相同的位長）以及多字節(jié)字符（multibyte character，每個(gè)字符可以是一到多個(gè)字節(jié)不等，而某個(gè)字節(jié)序列的字符值由字符串或流（stream）所在的環(huán)境背景決定）。


　　自從1994年的增補(bǔ)之后，C語言不只提供char類型，還提供wchar_t類型（寬字符），此類型定義在stddef.h 頭文件中。wchar_t指定的寬字節(jié)類型足以表示某個(gè)實(shí)現(xiàn)版本擴(kuò)展字符集的任何元素。


　　在多字節(jié)字符集中，每個(gè)字符的編碼寬度都不等，可以是一個(gè)字節(jié)，也可以是多個(gè)字節(jié)。源代碼字符集和運(yùn)行字符集都可能包含多字節(jié)字符。多字節(jié)字符可以被用于字符的常量、字符串字面值（string literal）、標(biāo)識(shí)符（identifier）、注釋（comment），以及頭文件。


　　C語言本身并沒有定義或指定任何編碼集合，或任何字符集（基本源代碼字符集和基本運(yùn)行字符集除外），而是由其實(shí)現(xiàn)指定如何編碼寬字符，以及要支持什么類型的多字節(jié)字符編碼機(jī)制。


　　雖然C標(biāo)準(zhǔn)沒有支持Unicode字符集，但是許多實(shí)現(xiàn)版本使用Unicode轉(zhuǎn)換格式UTF-16和UTF-32來處理寬字符。如果遵循Unicode標(biāo)準(zhǔn)，wchar_t類型至少是16或32位長，而wchar_t類型的一個(gè)值就代表一個(gè)Unicode字符。


　　UTF-8是一個(gè)由Unicode CONsortium（萬國碼聯(lián)盟）定義的實(shí)現(xiàn)，可以表示Unicode字符集的所有字符。UTF-8字符所使用的空間大小從一個(gè)字節(jié)到四個(gè)字節(jié)都有可能。


　　多字節(jié)字符和寬字符（也就是wchar_t）的主要差異在于寬字符占用的字節(jié)數(shù)目都一樣，而多字節(jié)字符的字節(jié)數(shù)目不等，這樣的表示方式使得多字節(jié)字符串比寬字符串更難處理。比方說，即使字符'A'可以用一個(gè)字節(jié)來表示，但是要在多字節(jié)的字符串中找到此字符，就不能使用簡單的字節(jié)比對(duì)，因?yàn)榧词乖谀硞€(gè)位置找到相符合的字節(jié)，此字節(jié)也不見得是一個(gè)字符，它可能是另一個(gè)不同字符的一部分。然而，多字節(jié)字符相當(dāng)適合用來將文字存儲(chǔ)成文件。


　　C提供了一些標(biāo)準(zhǔn)函數(shù)，可以將多字節(jié)字符轉(zhuǎn)換為wchar_t，或?qū)捵址D(zhuǎn)換為多字節(jié)字符。比方說，如果C 編譯器使用Unicode 標(biāo)準(zhǔn)的UTF-16 和UTF-8，那么下面調(diào)用wctomb()函數(shù)就可以獲得字符的多字節(jié)表示方式（注：wctomb = wide character to multibyte）。


在我們常用的類型string和char中，對(duì)中文支持并不是很好。在這兩種類型中，中文都是兩個(gè)字節(jié)，也就是說中文的漢字要占用兩個(gè)位置，舉個(gè)簡單的例子，一個(gè)“漢”字用一個(gè)char是無法表示的，即 ? ?char c = '漢' ; ?是錯(cuò)誤的，必須用 char c[3] ?= "漢". 漢字占用兩個(gè)字節(jié)，還有一個(gè)結(jié)尾符“0/”。string s = "漢" ; s.length()的值是2.?


通過以上描述，我們會(huì)發(fā)現(xiàn)，我們在進(jìn)行包含中文字符串處理的過程中就會(huì)遇到以下問題：在包含數(shù)字，字母，漢字的字符串處理中我們應(yīng)該怎樣應(yīng)付各個(gè)字符占多少個(gè)字節(jié)？總不能在處理之前先轉(zhuǎn)換成ASCII碼判斷它屬于哪種字符在進(jìn)行處理吧？中文取兩個(gè)，字母和數(shù)字取一個(gè)。在進(jìn)行判斷相等與否時(shí)也遇到了問題。

mbstowcs 和 wcstombs函數(shù)：C語言提供的寬字符和多字節(jié)字符轉(zhuǎn)換函數(shù)

本文介紹兩個(gè)由C語言提供的寬字符(wchar_t類型)和多字節(jié)字符( 一個(gè)字符用一個(gè)或者多個(gè)字節(jié)表示) 轉(zhuǎn)換函數(shù)，因此具有通用性（在Windows/Linux系統(tǒng)中都可以使用）： 所需頭文件：#include <stdlib.h> ( 1 ) mbstowcs() 功能：把多字節(jié)字符轉(zhuǎn)換成寬字符 原型： size_t mbstowcs(wchar_t *wcstr,const char *mbstr,size_t count ); 參數(shù)： 1> wcstr 目標(biāo)緩存，用來存放轉(zhuǎn)換之后的寬字節(jié)字符；當(dāng)取值為NULL時(shí)，返回值為目標(biāo)緩存所需wchar_t類型的個(gè)數(shù) 2> mbstr 用來存放待轉(zhuǎn)換的多字節(jié)字符串 3> count 用來指定最多轉(zhuǎn)換多少Byte。當(dāng)wcstr取值為NULL時(shí)，該值無用 返回值： 轉(zhuǎn)換成功，且wcstr == NULL時(shí)，返回目標(biāo)緩存所需的大小（wchar_t 類型個(gè)數(shù)，但不含終結(jié)符）； 轉(zhuǎn)換成功，且wcstr != NULL時(shí)，返回轉(zhuǎn)換的字節(jié)數(shù)； 轉(zhuǎn)換不成功，返回(size_t) (-1)； 使用步驟： 1) 調(diào)用mbstowcs()函數(shù)，設(shè)置參數(shù) wcstr 為NULL（用以獲取轉(zhuǎn)換所需的接收緩沖區(qū)大小）； 2) 給目標(biāo)緩存區(qū)分配足夠的內(nèi)存塊，用于存放轉(zhuǎn)換后的wchar_t字符串； 注意：該內(nèi)存塊的大小由首次調(diào)用mbstowcs()函數(shù)的返回值來決定（該返回值不包含終止符的空間） 3) 再次調(diào)用mbstowcs()函數(shù)，這次將目標(biāo)緩存的地址作為 wcstr 參數(shù)來傳遞； 代碼示例： [cpp] view plaincopy strcpy(sBuf, "我最棒"); size_t sSize=strlen(sBuf); wchar_t * dBuf=NULL; <SPAN style="COLOR: #ff0000">//注意：需要多分配一個(gè)空間，以存放終止符</SPAN> int dSize=mbstowcs(dBuf, sBuf, 0)+1; dBuf=new wchar_t[dSize]; wmemset(dBuf, 0, dSize); int nRet=mbstowcs(dBuf, sBuf, sSize); if(nRet<=0) { printf("轉(zhuǎn)換失敗\n"); } else { printf("轉(zhuǎn)換成功%d字符\n", nRet); wprintf(L"%ls\n", dBuf); } [cpp] view plain copy strcpy(sBuf, "我最棒"); size_t sSize=strlen(sBuf); wchar_t * dBuf=NULL; <span style="color:#ff0000;">//注意：需要多分配一個(gè)空間，以存放終止符</span> int dSize=mbstowcs(dBuf, sBuf, 0)+1; dBuf=new wchar_t[dSize]; wmemset(dBuf, 0, dSize); int nRet=mbstowcs(dBuf, sBuf, sSize); if(nRet<=0) { printf("轉(zhuǎn)換失敗\n"); } else { printf("轉(zhuǎn)換成功%d字符\n", nRet); wprintf(L"%ls\n", dBuf); } ( 2 ) wcstombs() 功能： 把寬字符把轉(zhuǎn)換成多字節(jié)字符串 原型： size_t wcstombs(char *mbstr,const wchar_t *wcstr,size_t count ); 參數(shù)： 1> wcstr 目標(biāo)緩存，用來存放轉(zhuǎn)換之后的多字節(jié)字符；當(dāng)取值為NULL時(shí)，返回值為目標(biāo)緩存所需wchar_t類型的個(gè)數(shù)； 2> mbstr 用來存放待轉(zhuǎn)換的寬字符； 3> count 用來指定接收緩存里能夠存儲(chǔ)的最大的字節(jié)數(shù)； 返回值： 轉(zhuǎn)換成功，且mbstr == NULL時(shí)，返回目標(biāo)緩存所需的大小（char 類型個(gè)數(shù)，但不含終結(jié)符）； 轉(zhuǎn)換成功，且mbstr != NULL時(shí)，返回轉(zhuǎn)換的字節(jié)數(shù)； 轉(zhuǎn)換不成功，返回(size_t)(-1)； 注意：If wcstombs encounters a wide character it cannot be convert to a multibyte character, it returns –1 cast to type size_t. 使用方法： 與mbstowcs()方法類似 示例代碼： [cpp] view plaincopy wchar_t sBuf[20]={0}; wcscpy(sBuf, L"Hello"); size_t sSize=wcslen(sBuf); char * dBuf=NULL; int dSize=wcstombs(dBuf, sBuf, 0)+1; printf("需要%d Char\n", dSize); dBuf=new char[dSize]; memset(dBuf, 0, dSize); int nRet=wcstombs(dBuf, sBuf, dSize); if(nRet<=0) { printf("轉(zhuǎn)換失敗\n"); } else { printf("轉(zhuǎn)換成功%d字符\n", nRet); printf("%s\n", dBuf); } [cpp] view plain copy wchar_t sBuf[20]={0}; wcscpy(sBuf, L"Hello"); size_t sSize=wcslen(sBuf); char * dBuf=NULL; int dSize=wcstombs(dBuf, sBuf, 0)+1; printf("需要%d Char\n", dSize); dBuf=new char[dSize]; memset(dBuf, 0, dSize); int nRet=wcstombs(dBuf, sBuf, dSize); if(nRet<=0) { printf("轉(zhuǎn)換失敗\n"); } else { printf("轉(zhuǎn)換成功%d字符\n", nRet); printf("%s\n", dBuf); } 上面的代碼在轉(zhuǎn)換英文的時(shí)候沒有問題，在轉(zhuǎn)換中文時(shí)，wcstombs()函數(shù)會(huì)返回-1 注意： 寬字節(jié)，即wchar_t 類型采用Unicode編碼方式，在Windows中為utf-16，在Linux中為utf-32 而多字節(jié)則可能是其他很多編碼方式，如utf-8、GB232.... 因此，需要指定多字節(jié)編碼類型，才能進(jìn)行正常的轉(zhuǎn)換過程。 設(shè)置或獲取多字節(jié)編碼方式用函數(shù)：setlocale() 所需頭文件：locale.h #include <locale.h>

總結(jié)

以上是生活随笔為你收集整理的mbstowcs 和 wcstombs函数：C语言提供的宽字符和多字节字符转换函数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。