在C++中将UTF-8转换为ANSI

Question

我无法在任何地方找到这个问题的答案。

如何在C++中将一个字符串从UTF-8转换为ANSI（扩展ASCII）？

- Damian

---

“扩展ASCII”并不存在。如果您不理解这一点，那么您可能难以理解文本编码的细节。您可以阅读这篇经常被引用的文章来获得更多信息。 - undefined

@KerrekSB 嗯，要转换为ISO 8859-1编码吗？ - undefined

好的，更好。回答：使用 iconv。或者 uconv。 - undefined

@KerrekSB：我认为更准确地说，基本上 所有 的东西都是“扩展ASCII”——ISO 8859、ISO 10646、Unicode、ShiftJIS等等，都可以说是具有各种扩展的ASCII。主要问题在于每个扩展与大多数（或者全部？）其他扩展不兼容。 - undefined

@KerrekSB 严格来说，"ANSI" 并没有这样的编码方式。 - undefined

Answer 1

一般来说，人们使用可在大多数平台上运行的便携式库libiconv (网页)。正如KerrekSB所提到的，如果您将字符集视为“扩展ASCII”，那么您将遇到严重的问题 - 我敢肯定有至少一百个可以称为“扩展ASCII”的字符集，包括UTF-8。

此外，请确保您知道要使用哪种编码：ISO-8859-1还是CP1252。Windows版本会用其他可打印字符替换C1控制码。

- Dietrich Epp

Answer 2

仅适用于Windows：

string UTF8ToANSI(string s)
{
    BSTR    bstrWide;
    char*   pszAnsi;
    int     nLength;
    const char *pszCode = s.c_str();

    nLength = MultiByteToWideChar(CP_UTF8, 0, pszCode, strlen(pszCode) + 1, NULL, NULL);
    bstrWide = SysAllocStringLen(NULL, nLength);

    MultiByteToWideChar(CP_UTF8, 0, pszCode, strlen(pszCode) + 1, bstrWide, nLength);

    nLength = WideCharToMultiByte(CP_ACP, 0, bstrWide, -1, NULL, 0, NULL, NULL);
    pszAnsi = new char[nLength];

    WideCharToMultiByte(CP_ACP, 0, bstrWide, -1, pszAnsi, nLength, NULL, NULL);
    SysFreeString(bstrWide);

    string r(pszAnsi);
    delete[] pszAnsi;
    return r;
}

- KIM Taegyoon

---

这在Visual Studio 2015 C++下运行良好，谢谢！ - undefined

Answer 3

假设你所说的“ANSI”其实是ISO 8859的变体之一，我们需要从以下几点开始讲解。第一点是并非每个字符串都能从UTF-8（或无论使用哪种转换方式的Unicode）转换为ISO 8859。Unicode几乎包含了地球上所有语言中每个字符的唯一码点。ISO 8859支持的语言要少得多，并且对于它支持的每种语言，都有一个单独的字符集；同样的代码在不同的语言中表示不同的字符。这意味着，在UTF-8输入字符串中很容易包含根本无法用任何ISO 8859变体表示的字符，也很容易包含需要不同的ISO 8859变体来表示的字符。第二点是，即使在最佳情况下，转换可能也相当复杂。如果可能的话，你几乎肯定想使用库（例如libiconv）来完成此任务。例如，Unicode有一个名为“组合变音标记”的功能，它允许你将像带“锐音符A”这样的内容编码为单个代码点或两个分离的代码点（一个代表“A”，另一个代表变音符）。要在ISO 8859中对其进行编码，你需要将它们全部转换为一种形式（通常是预组合的形式）。 在处理Unicode之前，你通常还需要将UTF-8转换为UCS-4。因此，步骤应该是这样的：1. 将UTF-8转换为UCS-4；2. 将组合变音标记转换为带有变音标记的字母（可能是NFKC）；3. 检查所有字符是否都能在目标字符集中编码；4. 转换为目标字符集。根据你喜欢处理事情的方式，你可以将步骤3和4合并为单个步骤，在进行转换时进行字符转换，例如在遇到无法用目标字符集表示的字符时抛出异常。

- Jerry Coffin

---

有一些库可以进行规范化，但似乎在这些情况下，UTF-16比UTF-32更常见。 - undefined