Question

我刚刚开始编写一些程序来处理WinXP系统上具有非英文名称的文件名。我已经完成了一些关于unicode的推荐阅读，我认为我得到了基本的想法，但有些部分对我来说仍然不是很清楚。

具体来说，什么编码（UTF-8，UTF-16LE / BE）是存储在NTFS中的文件名称（不是内容，而是文件的实际名称）？是否可以使用fopen（）打开任何文件，它接受char *，或者我别无选择，只能使用wfopen（），它使用wchar_t *，并且可能需要UTF-16字符串？

我尝试手动将UTF-8编码的字符串输入fopen（），例如

unsigned char filename[] = {0xEA, 0xB0, 0x80, 0x2E, 0x74, 0x78, 0x74, 0x0}; // 가.txt

FILE* f = fopen((char*)filename, "wb+");

但这是'ê°€.txt'。

我的印象（这可能是错误的）UTF8编码的字符串就足以在Windows下打开任何文件名，因为我似乎依稀记得一些Windows应用程序传递（char *），而不是（wchar_t *），并没有任何问题。

任何人都可以对此有所了解吗？

Answer 1

NTFS以UTF16格式存储文件名，但fopen使用ANSI（不是utf8）。

要使用UTF16编码的文件名，您需要使用文件打开调用的Unicode版本。通过在项目中定义UNICODE和_UNICODE来完成此操作。然后使用CreateFile调用或wfopen调用。

Answer 2

fopen（） - 在Windows上的MSVC中（默认情况下）不采用utf-8编码的字符*。

不幸的是，utf-8最近才发明在伟大的计划中。 Windows API分为Unicode和Ansi版本。 采用或处理字符串的每个 windows api实际上都带有W或A后缀 - W表示“宽”字符/ Unicode，A表示Ansi。 Macro magic将所有这些隐藏在开发人员之外，因此您只需使用char *或wchar_t *调用CreateFile，具体取决于您的构建配置，而不知道差异。

'Ansi'编码实际上不是特定的编码： - 但意味着用于“char”字符串的编码特定于PC的语言环境设置。

现在，因为c-runtime函数 - 比如fopen - 需要在没有开发人员知识的情况下默认工作 - 在Windows系统上，他们希望在windows本地编码中接收它们的字符串。 msdn表示微软c-runtime api setlocal可以改变当前线程的语言环境 - 但是具体说它对于每个字符需要超过2个字节的任何语言环境都会失败 - 比如utf-8。

因此，在Windows上没有捷径。您需要使用wfopen或本机API CreateFileW（或使用Unicode构建设置创建项目，只需调用Createfile）和wchar_t * strings。

Answer 3

正如其他人所回答的，处理UTF-8编码字符串的最佳方法是将它们转换为UTF-16并使用本地Unicode API，例如_wfopen或CreateFileW。

但是，这种方法在调用无条件使用fopen()的库时无效，因为它们不支持Unicode，或者因为它们是用便携式C编写的。在这种情况下，仍然可以使用传统的“短路径”将UTF-8编码的字符串转换为可与fopen一起使用的ASCII格式，但它需要一些工作：

使用MultiByteToWideChar将UTF-8表示转换为UTF-16。
使用GetShortPathNameW获取仅限ASCII的“短路径”。 GetShortPathNameW会将其作为带有全ASCII内容的宽字符串返回，您需要通过每个wchar_t char的无损复制转换将其简单地转换为窄字符串。
将短路径传递给fopen()或最终使用fopen()的代码。请注意，该代码打印的错误消息（如果有）将引用难看的“短路径”（例如KINTO~1而不是kinto-un-筋斗雲）。

虽然这不是推荐的长期策略，但由于Windows短路径是可以按卷关闭的旧功能，因此可能是将文件名传递给使用{{1}的代码的唯一方法和其他与文件相关的API调用（fopen()，stat，access的ANSI版本及类似内容。

NTFS中的文件名是什么编码存储的？

3 个答案: