Windows下有很多种编码格式,在与别的系统环境中有文件传输或通信时,这些编码就很重要。
比如在windows中换行是\r\n 在linux或mac下是\n,如果不对编码进行转换就会出现乱码。在通信中一般会有ASCII码和二进制码传输,如果是用二进制码在不同的系统环境中进行数据传输,在解析数据时必须进行转换,否则可能会出现数据错误。
Ansi字符串我们最熟悉,英文占一个字节,汉字2个字节,以一个\0结尾,常用于txt文本文件
Unicode字符串,每个字符(汉字、英文字母)都占2个字节,以2个连续的\0结尾,NT操作系统内核用的是这种字符串,
常被定义为typedef unsigned short wchar_t;所以我们有时常会见到什么char*无法转换为unsigned short*之类的错误,
其实就是unicode
UTF8是Unicode一种压缩形式,英文A在unicode中表示为0x0041,老外觉得这种存储方式太浪费,因为浪费了50%的
空间,于是就把英文压缩成1个字节,成了utf8编码,但是汉字在utf8中占3个字节,显然用做中文不如ansi合算,这就是
中国的网页用作ansi编码而老外的网页常用utf8的原因。
UTF8在还游戏里运用的很广泛,比如WOW的lua脚本等,,
c++中对编码进行转换主要用到两个API,WideCharToMultiByte和MultiByteToWideChar
WideCharToMultiByte的代码页用来标记与新转换的字符串相关的代码页。
MultiByteToWideChar的代码页用来标记与一个多字节字符串相关的代码页。
常用的代码页由CP_ACP和CP_UTF8两个。
使用CP_ACP代码页就实现了ANSI与Unicode之间的转换。
使用CP_UTF8代码页就实现了UTF-8与Unicode之间的转换
ANSI to Unicode方法:
Unicode to ANSI:
UTF8 to Unicode
Unicode to UTF8
UTF8格式又分为有无BOM两种,在转化为无BOM格式时在写入文件时 不写入BOM头即可。