C/C++ I18N mbstowcs 问题答案

【问题标题】：C/C++ I18N mbstowcs questionC/C++ I18N mbstowcs 问题
【发布时间】：2011-02-20 15:58:28
【问题描述】：

我正在致力于国际化 C/C++ 应用程序的输入。我目前遇到了从多字节字符串转换为宽字符串的问题。

代码需要跨平台兼容，所以我尽量使用mbstowcs和wcstombs。

我目前正在使用 WIN32 机器，并且已将语言环境设置为非英语语言环境（日语）。

当我尝试转换多字节字符串时，我似乎遇到了一些转换问题。

下面是代码示例：

int main(int argc, char** argv)
{
    wchar_t *wcsVal = NULL;
    char *mbsVal = NULL;

     /* Get the current code page, in my case 932, runs only on windows */
     TCHAR szCodePage[10]; 
     int cch= GetLocaleInfo( 
             GetSystemDefaultLCID(), 
             LOCALE_IDEFAULTANSICODEPAGE,  
             szCodePage,  
             sizeof(szCodePage)); 

     /* verify locale is set */
     if (setlocale(LC_CTYPE, "") == 0)
     {
        fprintf(stderr, "Failed to set locale\n");
        return 1;
     }

    mbsVal = argv[1];
         /* validate multibyte string and convert to wide character */
    int size = mbstowcs(NULL, mbsVal, 0);
    if (size == -1)
    {
        printf("Invalid multibyte\n");
        return 1;
    }
    wcsVal = (wchar_t*) malloc(sizeof(wchar_t) * (size + 1));
    if (wcsVal == NULL)
    {
        printf("memory issue \n");
        return 1;
    }

    mbstowcs(wcsVal, szVal, size + 1);
    wprintf(L"%ls \n", wcsVal);         
    return 0;
}

在执行结束时，宽字符串不包含转换后的数据。我认为代码页设置存在问题，因为当我使用 MultiByteToWideChar 并发送当前代码页时

前： MultiByteToWideChar( CP_ACP, 0, mbsVal, -1, wcsVal, 尺寸 + 1 ); 代替 mbstowcs 调用，转换成功。

我的问题是，如何使用通用 mbstowcs 调用而不是 MuliByteToWideChar 调用？

【问题讨论】：

如果打印setlocale()返回的字符串会得到什么？这将指示实际设置的区域设置。
SMACK！（额头）“English_United States.1252”。我以为我设置了不同的系统区域设置。这解释了很多。虽然我认为当我检索代码页时它会反映语言环境是什么。如果您提交了某种答案，如果不被接受，至少认为它是赞成的。

标签： c multibyte widechar

【解决方案1】：

如果你打印setlocale()返回的字符串，你会得到什么？这将指示实际设置的语言环境，这可能不是您所期望的。

MSDN indicates 在 Windows 上，为"" 选择的默认语言环境是“从操作系统获得的用户默认 ANSI 代码页”。也许这是与当前 ANSI 代码页不同的野兽？

【讨论】：

【解决方案2】：

在 Windows 上调用 mbstowcs 从来没有像 MultiByteToWideChar 那样好。不用费心去搞清楚，只要坚持使用 Win32 API。

【讨论】：

这话多可笑！如果你在 Windows 上开发，一定要使用 Win32 api，但他明确表示这段代码必须是跨平台的，并且立即...... BANG 你有麻烦了！
mbstowcs 不是通用的。 'w' 的定义是完全可变的：有时是 UTF-16，有时是 UTF-32。如果您想要“通用”，请使用 ICU。