最近做一個IE插件，要從網頁中取得文字，編碼到一個URL中去。在前一篇文章“中文URL編碼”中，粗略地介紹了URL編碼的規則，以及中文URL編碼的過程，但在如何將GBK或者GB2312編碼的漢字轉換到UTF-8編碼仍然是一個問題。編碼是一個很複雜的問題，我也瞭解甚少，這裏只是寫寫我的經驗，歡迎補充和指正。
在PHP、.NET中，編碼的轉換都比較容易。ATL中有一些宏是用來做編碼轉換的，我沒試過，而且我更願意用後面所講的方法。
在COM編程中，字符串多存儲在BSTR結構中。網上許多文章都說這個數據結構中存儲的就是Unicode，我就試了好多次從Unicode轉UTF-8，未遂。在Debug的時候，含有中文字符串的BSTR能夠正常顯示，說明它的編碼應該是GBK.
如何從GBK轉換到UTF-8呢？libiconv應該可以做到，然而我使用它的Windows port後，可以編譯、註冊COM組件，就是工具欄出不來了，於是放棄。上網搜索，得到一個被廣泛轉載的CChineseCode類。然而它僅僅針對漢字（每個漢字在UTF-8編碼中佔3個字節），如果字符串中有英文，就有麻煩了，因爲英文在UTF-8編碼中只有一個字節。另外有的字符會佔用更多的字節。所以這個類並不適用。
正確的方法是用Win32 API的MultiByteToWideChar和WideCharToMultiByte兩個函數，Wide character指的就是Unicode. GBK和UTF-8之間的轉換，需要用Unicode作爲橋樑（在這種方法裏）。比如我們要轉換這樣一個字符串”編碼 - Google 搜索”。
從GBK向Unicode轉換
該字符串在BSTR類型的變量in中存儲，首先將其轉換爲普通的字符串：
char *lpszText = _com_util::ConvertBSTRToString(in);
此時，如果用strlen函數取得lpszText的長度，則爲18，4個漢字，每個佔兩個字節，另外有10個英文字符。所以說GBK/GB2312是MultiByte而不是WideChar. 並且有lpszText[0] == 0xb1 && lpszText[1] == 0xe0，在微軟Windows Codepage 936這一頁上查到果然是“編”字，更堅定了我們認爲它是GBK的信心。
轉換到Unicode所用的函數是MultiByteToWideChar，第一個參數是MultiByte的Code page，如果確定是GBK，就可以使用936. 我考慮它應該是與系統有關的（比如日語系統上應該是932），所以使用CP_ACP，系統所用的Codepage.
先通過將cchWideChar參數設置爲0，取得轉換後需要的空間大小，然後分配空間，再做實際的轉換(轉換時cbMultiByte爲-1表示要轉換的字符串以0結尾)。代碼如下：
int wLen = MultiByteToWideChar(CP_ACP, 0, lpszText, -1, NULL, 0);LPWSTR wStr = (LPWSTR)CoTaskMemAlloc(wLen * sizeof(WCHAR));MultiByteToWideChar(CP_ACP, 0, lpszText, -1, wStr, wLen);
wLen是15，注意是指寬字符的個數，很貼心，14個字符，加上末尾的結束符。分配空間的時候也要注意，不是15個字節，而應該分配30個字節。這些在MSDN中都有說明，仔細看cchWideChar參數的介紹。最後一行代碼執行後，wStr中就是這些漢字的Unicode了，查看一下，wStr[0] == 0×7f16，剛纔在微軟Windows Codepage 936查找時，“編”字的下面標明7f16，就是它的Unicode編碼，說明一切正常。
從Unicode向UTF-8轉換
轉換到Unicode後，就可以使用WideCharToMultiByte函數將其轉換到UTF-8編碼，這次的code page要用CP_UTF8. 和前面的轉換一樣，先計算所需要的空間大小並分配，再做實際轉換。
int aLen = WideCharToMultiByte(CP_UTF8, 0, wStr, -1, NULL, 0, NULL, NULL);char* converted = (char*)CoTaskMemAlloc(aLen);WideCharToMultiByte(CP_UTF8, 0, wStr, -1, converted, aLen, NULL, NULL);
aLen爲23，因爲4個漢字，每個佔3個字節，加上10個英文字符（每個佔1字節），再加末尾的’/0′，正好是23. 現在converted裏就是字符串”編碼 - Google 搜索”的UTF-8編碼。converted[0] == 0xe7 && converted[1] == 0xbc，正是“編”字的UTF-8編碼。
好了，現在終於得到了中英文混合字符串的UTF-8字節序列，可以進行URL編碼(percent encoding)了。
如果你也看了CChineseCode類的代碼，就會奇怪既然作者知道用WideCharToMultiByte做GB2312到Unicode的轉換，爲什麼在UnicodeToUTF_8函數中要捨近求遠呢？