Question

我是C ++的菜鸟，所以我很抱歉提出愚蠢的问题。

我有一段文字：ÐŸÐ°Ð²Ð»Ð¾

我从我正在处理的代码段中的控制台输出处得到它。我知道这背后隐藏着西里尔字。它的真正价值在于“Петро”。

使用在线编码检测器，我发现要正确读取此文本，我必须将其从UTF-8转换为Windows 1252.

如何使用代码完成？

我试过这个，它给出了一些结果，但它输出了5个问号（至少预计了长度）

    wchar_t *CodePageToUnicode(int codePage, const char *src)
{
    if (!src) return 0;
    int srcLen = strlen(src);
    if (!srcLen)
    {
        wchar_t *w = new wchar_t[1];
        w[0] = 0;
        return w;
    }

    int requiredSize = MultiByteToWideChar(codePage,
        0,
        src, srcLen, 0, 0);

    if (!requiredSize)
    {
        return 0;
    }

    wchar_t *w = new wchar_t[requiredSize + 1];
    w[requiredSize] = 0;

    int retval = MultiByteToWideChar(codePage,
        0,
        src, srcLen, w, requiredSize);
    if (!retval)
    {
        delete[] w;
        return 0;
    }

    return w;
}

char *UnicodeToCodePage(int codePage, const wchar_t *src)
{
    if (!src) return 0;
    int srcLen = wcslen(src);
    if (!srcLen)
    {
        char *x = new char[1];
        x[0] = '\0';
        return x;
    }

    int requiredSize = WideCharToMultiByte(codePage,
        0,
        src, srcLen, 0, 0, 0, 0);

    if (!requiredSize)
    {
        return 0;
    }

    char *x = new char[requiredSize + 1];
    x[requiredSize] = 0;

    int retval = WideCharToMultiByte(codePage,
        0,
        src, srcLen, x, requiredSize, 0, 0);
    if (!retval)
    {
        delete[] x;
        return 0;
    }

    return x;
}
int main()
{
    const char *text = "ÐŸÐ°Ð²Ð»Ð¾";

    // Now convert utf-8 back to ANSI:
    wchar_t *wText2 = CodePageToUnicode(65001, text);

    char *ansiText = UnicodeToCodePage(1252, wText2);
    cout << ansiText;
    _getch();

}

也尝试了这个，但它不起作用

int main()
{
    const char *orig = "ÐŸÐ°Ð²Ð»Ð¾";
    size_t origsize = strlen(orig) + 1;
    const size_t newsize = 100;
    size_t convertedChars = 0;
    wchar_t wcstring[newsize];
    mbstowcs_s(&convertedChars, wcstring, origsize, orig, _TRUNCATE);
    wcscat_s(wcstring, L" (wchar_t *)");

    std::wstring strUTF(wcstring);

    const wchar_t* szWCHAR = strUTF.c_str();

    cout << szWCHAR << '\n';


    char *buffer = new char[origsize / 2 + 1];

    WideCharToMultiByte(CP_ACP, 0, szWCHAR, -1, buffer, 256, NULL, NULL);

    cout << buffer;
    _getch();
}

Answer 1

有几个选项

使用Windows API

使用UTF-8将您的UTF-16LE转换为系统MultiByteToWideChar，然后从UTF-16LE转换为CP1251（西里尔语为1251而不是1252）WideCharToMultiByte
使用MS MLAGN API
使用GNU ICONV library
使用IBM ICU

如果您只需要将UNICODE输出到控制台，请检查this

Answer 2

这是一个印刷问题。你的第一个功能是正确的，你可以测试它MessageBoxW：

wchar_t *wbuf = CodePageToUnicode(CP_UTF8, "ÐŸÐ°Ð²Ð»Ð¾");
if(wbuf)
{
    MessageBoxW(0, wbuf, 0, 0);
    delete[]buf;
}

输出

"Павло"（与你所说的不一样！）

您可以使用std::wcout打印宽字符，或使用1251代码页简化要打印的功能，如下所示：

#include <iostream>
#include <string>
#include <Windows.h>

int main()
{
    char *buf = "ÐŸÐ°Ð²Ð»Ð¾";
    int size;

    size = MultiByteToWideChar(CP_UTF8, 0, buf, -1, 0, 0);
    std::wstring wstr(size, 0);
    MultiByteToWideChar(CP_UTF8, 0, buf, -1, &wstr[0], size);

    int codepage = 1251;
    size = WideCharToMultiByte(codepage, 0, &wstr[0], -1, 0, 0, 0, 0);
    std::string str(size, 0);
    WideCharToMultiByte(codepage, 0, &wstr[0], -1, &str[0], size, 0, 0);

    SetConsoleOutputCP(codepage);
    std::cout << str << "\n";
    return 0;
}

如何将UTF8 char数组转换为Windows 1252 char数组

2 个答案: