熟悉一下字符類型，char, wchar_t, TCHAR，最熟悉的char是單字節字符，適用於ANSI編碼；wchar_t是雙字節的寬字符類型，適用於unicode編碼；TCHAR是一個宏，在ANSI壞境下定義爲char，unicode壞境下定義爲wchar_t。
怎麼來表示字符串？對，字符數組，要知道在C++語言裏面，其實沒有數組的數據結構，所謂數組，都是由指針+長度來表示。字符型指針const char *, const wchar_t *, const TCHAR *可以用來在不同的環境下表示字符串。再說相關的幾個宏，LPSTR: long point string, 相當於char *; LPCSTR: long point const string, 相當於 const char *; LPCWSTR: long point const wide string, 相當於 const wchar_t *; LPCTSTR: 類似的，相當於 const TCHAR *; 這些都不要死記硬背，記着大寫字母的意思即可猜出其含義。
一個字符串，比如說"北京2008"，對應ANSI編碼表示爲 const char * cha = "北京2008"; unicode編碼表示爲 const wchar_t * wcha = L"北京2008"; 。在內存裏以二進制存儲，ANSI編碼對應爲 0x B1B1 BEA9 32 30 30 38，unicode編碼爲 0x 1753 AC4E 3200 3000 3000 3800。
回到上面，爲什麼字符型指針可以表示一個字符串？計算機找到這個指針，只能知道串首字符，這裏因爲字符串有個默認的結束符'\0'（ANSI或者ASCII表示爲0x00），從首字符開始，計算機開始向後查找直到0x00，認爲字符串結束，所以存儲字符串的時候，計算機是帶着一個特殊結束符的。可是要注意了，這個結束符0x00是ASCII碼定義的結束符啊，那麼在寬字符unicode環境下呢？結束符是什麼？是0x0000。
而對於非const字符串，怎麼表示？char * 方法怎麼動態定義長度？好辦，可以用new手動分配內存空間，除此之外，還有更好辦的方法，那就是字符串類型string, 怎麼可變長度，怎麼記錄長度，內存怎麼存儲，這些都不用管，都有C++標準庫自動管理。
不同類型的字符串間之間怎麼轉換？比如定義 char * cha; string str; str = cha; // 可以實現 char * 到 string 的轉換， cha = str.c_str(); 可以從 string 轉換到 char *；對於wchar_t wcha; wstring wstr; 呢？wstr = wcha; wcha = wstr.c_str(); // 這個是否可以呢？！
說過了字符串的表示和類型轉換，再來看字符流I/O，C++裏面的fstream, ifstream, ofstream, 文件流的I/O有好多種方式，默認爲字符流方式，明確的說是ANSI字符流，都是針對ANSI文本的，那麼unicode怎麼讀寫呢？
C++裏倒真有wfsteam流的，可惜用起來也很奇怪，用wifstream讀取unicode文本，結果竟然是讀取一個字節，加上一個0x00，在讀取下一個字節，如此！比如文本里保存的還是“北京2008”，剛纔說過unicode編碼爲 0x 1753 AC4E 3200 3000 3000 3800；用wifstream讀到內存的字符竟是 0x 1700 5300 AC00 4E00 ... 這叫什麼unicode？我不知道wfstream怎麼正確使用用，有知道的朋友還請不吝告知！
既然wftream不行，那麼怎麼讀取unicode呢，這裏可以借鑑一下二進制流的讀寫方式，二進制流在讀寫時必須明白存儲單位的數據結構，定義爲結構體，然後逐n字節（n爲結構長度）按二進制讀取；這個可以借鑑過來，不用定義結構了，直接用wchar_t，代碼如下：
ifstream fin;
fin.open(filename, ios::binary);
// 跳過unicode文本開頭有兩個字節0xFFFE（稱作BOM，用於標識unicode編碼）
fin.seek(2, ios::beg);
while (!fin.eof())
{
wchar_t wch;
fin.read((char *)(&wch), 2);
}
如果要按行讀取，怎麼辦？好了，有ifstream的成員函數getline(cha, size)，還有string類成員函數getline(fin, str)。你試試能不能用在unicode下使用？答案是否定的！爲什麼？因爲getline函數默認在ANSI下使用，它對換行符的判斷是基於ASCII碼的換行（0x0D）和行開頭標記（0x0A），如果把它用在unicode編碼下，比如“不”字，unicode編碼爲0x0D4E。當getline函數執行到這，以爲換行了，所以說會失效！那麼unicode換行符以及行開頭符的二進制是什麼？雙字節了，是0x0D00和0x0A00，這時候getline函數就失效了，怎麼辦，手動判斷：
ifstream fin;
fin.open(filename, ios::binary);
size_t index = 2;
while (!fin.eof())
{
fin.seekg(index, ios::beg);
wchar_t wch;
fin.read((char *)(&wch), 2);
if (wch == 0x000D) // 判斷回車
{
strLineAnsi = ws2s(wstrLine);
wstrLine.erase(0, wstrLine.size() + 1);
iLine++;
index += 4; // 跳過回車符和行開頭符
}
else
{
wstrLine.append(1, wch);
index += 2;
}
}
上面的程序可以讀取unicode了，那麼讀了進來怎麼理解unicode呢，這就需要char * 和 wchar_t *間的轉換了，這個沒有簡便的方法，ANSI、UNICODE兩種編碼之間的轉換，只能靠查表實現，C++提供了兩個函數，wcstombs(_Dest, _Source, _Dsize) 從unicode編碼轉化爲ANSI編碼 ，mbstowcs(_Dest, _Source, _Dsize)反之，參數對應爲const char*, const wchar_t*以及長度。這裏在提供一個網上的函數，用於實現string和wstring的轉換：
std::string ws2s(const std::wstring& ws)
{
std::string curLocale = setlocale(LC_ALL, NULL); // curLocale = "C";
setlocale(LC_ALL, "chs");
const wchar_t* _Source = ws.c_str();
size_t _Dsize = 2 * ws.size() + 1;
char *_Dest = new char[_Dsize];
memset(_Dest,0,_Dsize);
wcstombs(_Dest,_Source,_Dsize);
std::string result = _Dest;
delete []_Dest;
setlocale(LC_ALL, curLocale.c_str());
return result;
}
std::wstring s2ws(const std::string& s)
{
setlocale(LC_ALL, "chs");
const char* _Source = s.c_str();
size_t _Dsize = s.size() + 1;
wchar_t *_Dest = new wchar_t[_Dsize];
wmemset(_Dest, 0, _Dsize);
mbstowcs(_Dest,_Source,_Dsize);
std::wstring result = _Dest;
delete []_Dest;
setlocale(LC_ALL, "C");
return result;
}
寫到這裏，就可以用C++讀取unicode文本了，寫的方法類似。
本文轉載自：https://blog.csdn.net/zhuxianjianqi/article/details/21888687