寫的不錯,轉一下:
首先呢,聲明一下,QString 是不存在中文支持問題的,很多人遇到問題,并不是本身 QString 的問題,而是沒有將自己希望的字符串正確賦給QString。
很簡單的問題,"我是中文"這樣寫的時候,它是傳統的 char 類型的窄字符串,我們需要的只不過是通過某種方式告訴QString 這四個漢字采用的那種編碼。而問題一般都出在很多用戶對自己當前的編碼沒太多概念,
于是
一個簡 單的 Qt 程序
下面這個小程序,估計大家會感到比較親切。似乎有相當多的中文用戶嘗試寫過這樣的代碼:
#include <QtGui/QApplication>
#include <QtGui/QLabel>
int main(int argc, char **argv)
{
QApplication app(argc, argv);
QString a= "我是漢字";
QLabel label(a);
label.show();
return app.exec();
}
編碼,保存,編譯,運行,一切都很順利,可是結果呢?
多數用戶看到
|
其他用戶看到
|
ÎÒÊǺº×Ö
|
æˆ‘æ˜¯æ±‰å —
|
出乎意料,界面上中文沒顯示出來,出現了不認識字符。 于是開始用搜索引擎搜索,開始上論壇發帖或抱怨
最后被告知,下面的語句之一可以解決問題:
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GB2312"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));
兩條指令挨個一試,確實可以解決(多數用戶是第一條,其他用戶是第二條)。那么,為什么會這樣呢?
兩種亂碼什么時候出現
對這個問題,我想大家可能都有話說。在繼續之前,我們先列個表,看看兩種亂碼分別在那種情況下出現:
我們只列舉大家最常用的3個編譯器(微軟VS的中的cl,Mingw中的g++,Linux下的g++),源代碼分別采用 GBK 和 不帶BOM的UTF-8 以及 帶BOM的UTF-8 這3中編碼進行保存。
源代碼的編碼
|
編譯器
|
結果
|
|
GBK
|
cl
|
1
|
*
|
mingw-g++
|
1
|
*
|
g++
|
1
|
|
UTF-8(不帶BOM)
|
cl
|
2
|
|
mingw-g++
|
2
|
|
g++
|
2
|
*
|
UTF-8(帶BOM)
|
cl
|
1
|
|
mingw-g++
|
2
|
|
g++
|
編譯失敗
|
|
采用3種不同編碼保存的源代碼文件,分別用3種不同的編譯器編譯,形成9種組合,除掉一種不能工作的情況,兩種亂碼出現的情況各占一半。
從中我們也可以看出,亂碼和操作系統原本是沒有關系的。但我們在 Windows 一般用的GBK,linux一般用的是不帶BOM的UTF-8。如果我們只考慮帶*的情況,也可以說兩種亂碼和系統有關。
QString 為什么會亂碼呢?
真的是 QString 亂碼了嗎?我們可以問問自己,我們抱怨的對象是不是搞錯了?
繼續之前,先明確幾個概念:
明確概念1:
"我是漢字" 是C語言中的字符串,它是char型的窄字符串。上面的例子可寫為
const char * str = "我是漢字";
QString a= str;
或
char str[] = "我是漢字";
QString a= str;
等
明確概念2:
源文件是有編碼的,但是這種純文本文件卻不會記錄自己采用的編碼
這個是問題的根源,不妨做個試驗,將前面的源代碼保存成GBK編碼,用16進制編輯器能看到引號內是ce d2 ca c7 ba ba d7 d6這樣8個字節。
現在將該文件拷貝到正體(繁體)中文的Windows中,用記事本打開會什么樣子呢?
...
QString a= "扂岆犖趼";
QLabel label(a);
label.show();
...
那么放到歐美人的Windows系統中,再用記事本打開呢?
...
QString a= "ÎÒÊǺº×Ö";
QLabel label(a);
label.show();
...
同一個文件,未做任何修改,但其中的8個字節ce d2 ca c7 ba ba d7 d6,對用GBK的大陸人,用BIG5的港澳臺同胞,以及用Latin-1的歐洲人看來,看到的卻是完全不同的文字。
明確概念3:
如同我們都了解的'A'與'\x41'等價一樣。
GBK編碼下的
const char * str = "我是漢字"
等價于
const char * str = "\xce\xd2\xca\xc7\xba\xba\xd7\xd6";
當用UTF-8編碼時,等價于
const char * str = "\xe6\x88\x91\xe6\x98\xaf\xe6\xb1\x89\xe5\xad\x97";
注意:這個說法不全對,比如保存成帶BOM的UTF-8,用cl編譯器時,漢字本身是UTF-8編碼,但程序內保存時卻是對應的GBK編碼。
明確概念4:
QString 內部采用的是Unicode。
QString內部采用的是 Unicode,它可以同時存放GBK中的字符"我是漢字",BIG5中的字符"扂岆犖趼" 以及Latin-1中的字符"ÎÒÊǺº×Ö"。
一個問題是,源代碼中的這8個字節"\xce\xd2\xca\xc7\xba\xba\xd7\xd6",該怎么轉換成Unicode并存到 QString 內?按照GBK、BIG5、Latin-1還是其他方式...
在你不告訴它的情況下,它默認選擇了Latin-1,于是8個字符"ÎÒÊǺº×Ö"的unicode碼被存進了QString中。最終,8個Latin字符出現在你期盼看到4中文字符的地方,所謂的亂碼出現了
QString 工作方式
const char * str = "我是漢字";
QString a= str;
其實很簡單的一個問題,當你需要從窄字符串 char* 轉成Unicode的QString字符串的,你需要告訴QString你的這串char* 中究竟是什么編碼?GBK、BIG5、Latin-1
理想情況就是:將char* 傳給QString時,同時告訴QString自己的編碼是什么:
就像下面的函數一樣,QString的成員函數知道按照何種編碼來處理 C 字符串
QString QString::fromAscii ( const char * str, int size = -1 )
QString QString::fromLatin1 ( const char * str, int size = -1 )
QString QString::fromLocal8Bit ( const char * str, int size = -1 )
QString QString::fromUtf8 ( const char * str, int size = -1 )
單QString 只提供了這幾個成員函數,遠遠滿足不了大家的需求,比如,在簡體中文Windows下,local8Bit是GBK,可是有一個char串是 BIG5 或 Latin-2怎么辦?
那就動用強大的QTextCodec吧,首先QTextCodec肯定知道自己所負責的編碼的,然后你把一個char串送給它,它就能正確將其轉成Unicode了。
QString QTextCodec::toUnicode ( const char * chars ) const
可是這個調用太麻煩了,我就想直接
QString a= str;
或
QString a(str);
這樣用怎么辦?
這樣一來肯定沒辦法同時告訴 QString 你的str是何種編碼了,只能通過其他方式了。這也就是開頭提到的
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GBK"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));
設置QString默認采用的編碼。而究竟采用哪一個,一般來說就是源代碼是GBK,就用GBK,源代碼是UTF-8就用UTF-8。但有一個例外,如果你保存成了帶BOM的UTF-8而且用的微軟的cl編譯器,此時仍是GBK。