c++ 中文字串處理方法

C++處理中文的問題困擾我很久了。之前一旦遇到中文基本就投諸java懷抱了。 今天看到一個漂亮的c++程式，遂豁然開朗。總結一下分享給大家：   問題描述： c++ 中 char*/string 形式的字串無法正確的對中文字串進行處理（如 find, strlen, substr 等常規操作） 。 比如當你在char* 中 find 英文逗號時，有可能匹配的不只是逗號，還找到了某個漢字的一個位元組，而你無法在char*中區分它們。   問題原因： 中文字元長度不固定，按位元組處理往往出現亂碼或錯誤分割。在unicode中每個中文為2個位元組，而中文中間夾雜的英文和半形標點則仍然是1個位元組。   解決方案： 構造三層邏輯結構：輸入層、邏輯處理層、輸出層。    -- 輸入層接收char*輸入，並將其轉換為wchar*.    -- 邏輯處理層在 wchar* 或 wstring 的基礎上進行字串操作，此時操作最小單位為中文字元，不會再有亂碼。    -- 輸出層將wchar*的結果再次轉換為char* ，返回給外部。 這樣，對外部來說，仍然是輸入char*, 輸出char*， 但在這個過程中不再有分割漢字的操作或亂碼。   核心轉碼： #include<wchar.h>   wchar_t * MBCS2Unicode(wchar_t * buff, const char * str) {     wchar_t * wp = buff;     char * p = (char *)str;     while(*p) {         if(*p & 0x80) {             *wp = *(wchar_t *)p;             p++;         }         else{             *wp = (wchar_t) *p;         }         wp++;         p++;     }     *wp = 0x0000;     return buff; }   char * Unicode2MBCS(char * buff, const wchar_t * str) {     wchar_t * wp = (wchar_t *)str;     char * p = buff, * tmp;     while(*wp){         tmp = (char *)wp;         if(*wp & 0xFF00){             *p = *tmp;             p++;tmp++;             *p = *tmp;             p++;         }         else{             *p = *tmp;             p++;         }         wp++;     }     *p = 0x00;     return buff; }   wstring str2wstr(string str) {     size_t len = str.size();     wchar_t * b = (wchar_t *)malloc((len+1)*sizeof(wchar_t));     MBCS2Unicode(b,str.c_str());     wstring r(b);     free(b);     return r; }   string wstr2str(wstring wstr) {     size_t len = wstr.size();     char * b = (char *)malloc((2*len+1)*sizeof(char));     Unicode2MBCS(b,wstr.c_str());     string r(b);     free(b);     return r; }   int wputs(wstring wstr) {     wputs(wstr.c_str());     return 0; }   int wputs(const wchar_t * wstr) {     int len = wcslen(wstr);     char * buff = (char *)malloc((len * 2 + 1)*sizeof(char));     Unicode2MBCS(buff,wstr);     printf("%s",buff);     free(buff);     return 0; }  ============================================= （另外大家關心的UTF8如何轉換，添加一段轉自End2012的UTF8--Unicode轉換程式） wchar_t * UTF8ToUnicode( const char* str ) {      int textlen ;      wchar_t * result;      textlen = MultiByteToWideChar( CP_UTF8, 0, str,-1, NULL,0 );       result = (wchar_t *)malloc((textlen+1)*sizeof(wchar_t));       memset(result,0,(textlen+1)*sizeof(wchar_t));       MultiByteToWideChar(CP_UTF8, 0,str,-1,(LPWSTR)result,textlen );       return result;  } char * UnicodeToUTF8( const wchar_t* str ) {      char* result;      int textlen;      textlen = WideCharToMultiByte( CP_UTF8, 0, str, -1, NULL, 0, NULL, NULL );      result =(char *)malloc((textlen+1)*sizeof(char));      memset(result, 0, sizeof(char) * ( textlen + 1 ) );      WideCharToMultiByte( CP_UTF8, 0, str, -1, result, textlen, NULL, NULL );      return result; } ========================================== 原創帖，歡迎評論交流。轉載請註明出處。