C++20形式的utf-8字符串转宽字符串，不依赖编译器编码形式

本文主要是介绍C++20形式的utf-8字符串转宽字符串，不依赖编译器编码形式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

默认的char[]编码都是要看编译器编译选项的，你选了ANSI那它就是ANSI，你选了UTF8那它就是UTF8.

【注意：经典DevC++只支持ANSI编码（痛苦）；上图是小熊猫DevC++，则有这个选项】

这一点对我的代码造成了麻烦。我就是要用utf8字符串，无视编译器编码选项，并输出，怎么搞？

先看什么是麻烦的代码：

#include <windows.h>
#include <stdio.h>// 将UTF-8字符串转换为宽字符串（不一定是UTF-16）
wchar_t* utf8_to_wstr(const char* utf8_string) 
{// 获取UTF-8字符串的长度int len = strlen(utf8_string);// 计算所需缓冲区大小int w_size = MultiByteToWideChar(CP_UTF8, 0, utf8_string, len, NULL, 0);// 分配宽字符串缓冲区wchar_t* w_string = (wchar_t*)malloc((w_size + 1) * sizeof(wchar_t));// 将UTF-8多字节转换为宽字符串MultiByteToWideChar(CP_UTF8, 0, utf8_string, len, w_string, w_size);w_string[w_size] = L'\0';  // 添加NULL终止字符return w_string;
}int main() {const char* utf8_string = "Wormwaker创作";// 转换为wchar_t*wchar_t* w_string = utf8_to_wstr(utf8_string);// 使用MessageBoxW显示UTF-16字符串MessageBoxW(NULL, w_string, L"MessageBoxW", MB_OK);// 释放内存free(w_string);return 0;
}

上述代码字符以char类型存储，编码依赖编译器选项。如果为ANSI，则结果为：

如果为UTF-8，才是正确的结果：

· 试想，把含类似于这样一段代码的项目（例如一个软件或是一个游戏）代码发给你一个朋友，他一看运行出来是乱码，他第一反应就是你写的有问题，是你的问题。他基本不会考虑自己的编码选项有问题。你可能还要教他怎么调，这将消耗你宝贵的时间。于是，这段代码可能需要变得兼容一点。

---

随着时代的进步，C++针对utf编码的字符出现了更新：

C++11

1.添加新字符类型 char16_t 和 char32_t，分别对应utf-16和utf-32编码。同时也添加了相应的std::basic_string，也就是 std::u16string 和 std::u32string.
2.添加三种字符串字面量前缀：u, U, 以及 u8，分别对应utf-16, utf-32, utf-8编码。

注意：此时还没有 char8_t !

这时候就可以写这样的代码了：

char16_t utf16c = u'好';
char32_t utf32c = U'好';
char utf8[] = u8"你好世界";
char16_t utf16[] = u"你好世界";
char32_t utf32[] = U"你好世界";

注意！因为没有 char8_t[]，所以u8字符串被存在了char[]里。
而且：

C++ 17

到了C++17才添加了对u8前缀的utf-8字符串的支持！也就是说，下面这么写必须 有 是C++17标准：

char utf8c = u8'a'; // C++17标准
//char utf8c = u8'好';

到这里已经可以实现我们想要的兼容性了，不过到最后再一起说

C++ 20

C++20终于把 char8_t 加入到了基本类型中。现如今所有u8的字符和字符串都必须用char8_t系列存储了，不允许使用char了。 也就是说，应该改成这样：

char8_t uft8c = u8'a';  //C++20
const char8_t* pstrUtf8 = u8"Hello World";
std::u8string sutf8 {u8"Hello Universe"};

当然有char8_t那就肯定也一起出了std::u8string.

std::basic_string变化详情 - 跳转链接→

---

最后就是兼容可靠的代码的书写了：
针对C++17标准：

#include <windows.h>
#include <stdio.h>// 将UTF-8字符串转换为宽字符串（不一定是UTF-16）
wchar_t* utf8_to_wstr(const char* utf8_string) 
{// 获取UTF-8字符串的长度int len = strlen(utf8_string);// 计算所需缓冲区大小int w_size = MultiByteToWideChar(CP_UTF8, 0, utf8_string, len, NULL, 0);// 分配宽字符串缓冲区wchar_t* w_string = (wchar_t*)malloc((w_size + 1) * sizeof(wchar_t));// 将UTF-8多字节转换为宽字符串MultiByteToWideChar(CP_UTF8, 0, utf8_string, len, w_string, w_size);w_string[w_size] = L'\0';  // 添加NULL终止字符return w_string;
}int main() {const char* utf8_string = u8"Wormwaker创作";// 转换为wchar_t*wchar_t* w_string = utf8_to_wstr(utf8_string);// 使用MessageBoxW显示UTF-16字符串MessageBoxW(NULL, w_string, L"MessageBoxW", MB_OK);// 释放内存free(w_string);return 0;
}

就看这么一句就行了：

const char* utf8_string = u8"Wormwaker创作";

这样即使编译器默认以ANSI编码EXE，也会单独把这个字符串以UTF-8编码的，达到了想要的效果。

针对≥C++20标准：

#include <windows.h>
#include <stdio.h>// 将UTF-8字符串转换为宽字符串（不一定是UTF-16）
wchar_t* utf8_to_wstr(const char8_t* utf8_string) 
{// 获取UTF-8字符串的长度int len = strlen((const char*)utf8_string);// 计算所需缓冲区大小int w_size = MultiByteToWideChar(CP_UTF8, 0, (const char*)utf8_string, len, NULL, 0);// 分配宽字符串缓冲区wchar_t* w_string = (wchar_t*)malloc((w_size + 1) * sizeof(wchar_t));// 将UTF-8多字节转换为宽字符串MultiByteToWideChar(CP_UTF8, 0, (const char*)utf8_string, len, w_string, w_size);w_string[w_size] = L'\0';  // 添加NULL终止字符return w_string;
}int main() {const char8_t* utf8_string = u8"Wormwaker创作";// 转换为wchar_t*wchar_t* w_string = utf8_to_wstr(utf8_string);// 使用MessageBoxW显示UTF-16字符串MessageBoxW(NULL, w_string, L"MessageBoxW", MB_OK);// 释放内存free(w_string);return 0;
}

要注意的是
1.

const char8_t* utf8_string = u8"Wormwaker创作";

2.在所有const char* （或LPCSTR）的参数处都要把const char8_t* 强转成const char*.

如果你的编译器支持C++20标准，建议就用这第二种。毕竟在未来的标准下都得这么写。

完美解决！

这篇关于C++20形式的utf-8字符串转宽字符串，不依赖编译器编码形式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---