C++：乱码之字符串编码

简介

经常在处理字符串的时候出现乱码，主要是字符串编码未正确处理。在这种情况下我们首先要分析清楚输入字符串的编码，经过处理的编码和最终输出的编码是否是正确处理的。

本章以内存分析方法跟踪字符集变化的过程，以了解字符存储与转换的编码问题。

宽字符和多字节

• 宽字符和多字节是存储一个字符的字节不一样，和字符编码无关。多字节就是用一个字节表示一个字符，宽字符就是用≥2个字节表示一个字符。

  #include <string>
  #include <iostream>
  
  void printMem(char* pMem, size_t size)
  {
      for (std::size_t index = 0; index < size; index++)
      {
          if (index != 0)
          {
              std::cout << " ";
          }
  
          std::cout << std::hex << (int)pMem[index];
      }
  
      std::cout << std::endl;
  }
  
  int main()
  {
      std::string str1("AB");
  
      printMem(str1.data(), str1.length() + 1);
  
      std::wstring str2(L"AB");
      printMem((char*)str2.data(), (str2.length() + 1) * 2);
  
      return 0;
  }
  
  // 结果输出：
  // 41 42 0
  // 41 0  42 0 0 0
  

查看系统编码

• 查看字符集编码

  windows在cmd命令下输入chcp命令可查看。如下：

  

  代码页是字符集编码的别名，也有人称"内码表。下表列出了所有支持的代码页及其国家(地区)或者语言：

  代码页       国家(地区)或语言 
  437          美国 
  708          阿拉伯文(ASMO 708)
  720          阿拉伯文(DOS)
  850          多语言(拉丁文 I) 
  852          中欧(DOS) - 斯拉夫语(拉丁文 II) 
  855          西里尔文(俄语) 
  857          土耳其语 
  860          葡萄牙语 
  861          冰岛语 
  862          希伯来文(DOS)
  863          加拿大 - 法语 
  865          日耳曼语 
  866          俄语 - 西里尔文(DOS) 
  869          现代希腊语
  874          泰文(Windows)
  932          日文(Shift-JIS)
  936          中国 - 简体中文(GB2312)现在是GBK了，GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准。
  949          韩文
  950          繁体中文(Big5)