如何将 ANSI 项目转换为 UNICODE 项目

How to convert a ANSI project into a UNICODE one?

本文关键字：项目 转换 UNICODE ANSI      更新时间：2023-10-16

我有一个由Visual Age开发的ANSI C++项目。我想将其转换为Unicode，以便它可以在英语操作系统中正确显示多语言字符。定义UNICODE宏后，我将所有char变量更改为wchar_t。

这是正确的方法吗？源代码中有一些 API 只接受char*字符串（如 system()、fopen()、mkdir()）。我怎样才能使它们使用wchar_t字符串，因为代码中的所有字符串都变成了wchar_t？

有几种表示 unicode 字符串的方法，最常见的是：

  • 编码UTF-8，存储在char字符串中
  • 编码于UTF-16，存储在由16位整数组成的字符串中
  • 编码为UTF-32，存储在由32位整数组成的字符串中。

对于 UTF-16 和 UTF-32，您必须了解系统的字节顺序，并决定是要以大端序还是小端序传达字符串。

有一个名为 UCS-2 的旧编码，使用此编码，您只能表示低于 0x10000 的 unicode 字符。你不应该使用它，不是所有的汉字都可以用它来表示。

需要注意的另一件事是wchar_t宽度为 2 个字节或 4 个字节，因此在某些系统上，它可用于保存 UTF-16 ，而在其他系统上则UTF-32字符。

需要注意的另一件事是：大多数字符串长度函数将返回计数的字节数或字数，而不是表示的 unicode 符号数。

我个人更喜欢将所有内容存储在内部和外部UTF-8，并根据需要转换为 16 或 32 位编码。这样可以避免字节顺序问题。

很有可能

，如果你确保所有内容都用UTF-8编码，大多数东西都会起作用。

不知道你在做什么就很难说文本，以及它的来源。 如果你所做的只是阅读它来自文件并显示它，然后只需char更改为 wchar_t可能就足够了。 （但在这种情况下，您可能希望考虑坚持使用 char ，并使用 UTF-8。 一旦你开始做得更多，问题变得更加复杂：

  • 正如您所观察到的，文件名之类的东西通常会有要char. 使用 UTF-8 可以解决此问题，有点，但是哪些字符串是合法的，哪些是不合法的仍然是一个开放问题，并且在很大程度上取决于系统。

  • 解析可能会变得更加困难，具体取决于您要的内容努力做。 您可能不得不放弃简单的功能在<ctype.h> ;C++具有<locale>的功能，您可以与wchar_t一起使用，但它们不太容易使用。 和在isspace或搜索特定分隔符时工作更多或不像宣传的那样，像toupper这样的事情变得非常有问题（因为没有普遍的一对一上下关系）。

  • 读取和写入 UTF-16 或 UTF-32 文件时，字节序成为一个问题。 无论使用的类型和编码如何在内部，char每当我导入或导出数据。

总的来说，我倾向于坚持使用 char 和 UTF-8，除非我正在进行重要的解析或文本操作。 其中案例，我会查看 ICU 图书馆，它提供了非常完全支持 UTF-16。 除非我 100% 确定我只需要支持一个平台，永远，我会避免wchar_t，它没有真正的标准大小或编码;例如，ICU 将其 UTF-16 字符放在一个 unsigned short . （对于char也可以这样说，但是机器 char不是 8 位是非常罕见的，对于国际化，关于您可能进行的唯一编码遭遇是 UTF-8。

相关文章：