QT中文 亂碼解決

QString 與中文問題

2010-07-11 17:04

(更新：本文的姊妹篇 Qt中translate、tr關係與中文問題 )

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，並不是本身 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 這四個漢字採用的那種編碼。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，

於是

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。 於是開始用搜索引擎搜索，開始上論壇發帖或抱怨

最後被告知，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)。那麼，爲什麼會這樣呢？

兩種亂碼什麼時候出現

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++)，源代碼分別採用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

採用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佔一半。

從中我們也可以看出，亂碼和操作系統原本是沒有關係的。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 爲什麼會亂碼呢

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0：

• "我是漢字" 是C語言中的字符串，它是char型的窄字符串。上面的例子可寫爲

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1：

• 源文件是有編碼的，但是這種純文本文件卻不會記錄自己採用的編碼

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，用記事本打開會什麼樣子呢？

...
    QString a= "扂岆犖趼";
    QLabel label(a);
    label.show();
...

那麼放到歐美人的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2：

• 如同我們都瞭解的'A'與'\x41'等價一樣。

GBK編碼下的

const char * str = "我是漢字"

等價於

const char * str = "\xce\xd2\xca\xc7\xba\xba\xd7\xd6";

當用UTF-8編碼時，等價於

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3：

• QString 內部採用的是Unicode。

QString內部採用的是 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"，該怎麼轉換成Unicode並存到 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，於是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* 中究竟是什麼編碼？GBK、BIG5、Latin-1

理想情況就是：將char* 傳給QString時，同時告訴QString自己的編碼是什麼：

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怎麼辦？

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，然後你把一個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);

這樣用怎麼辦？

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默認採用的編碼。而究竟採用哪一個，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。

FROM:http://wenku.baidu.com/view/ac7e85f704a1b0717fd5dd99.html