[轉]qt中文亂碼問題

如下是dbzhang關於qt中文亂碼問題緣由的闡述，以爲不錯：

 

首先呢，聲明一下，QString 是不存在中文支持問題的，不少人遇到問題，並非自己 QString 的問題，而是沒有將本身但願的字符串正確賦給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，咱們須要的只不過是經過某種方式告訴QString 這四個漢字採用的那種編碼。而問題通常都出在不少用戶對本身當前的編碼沒太多概念，

因而

一個簡 單的 Qt 程序

 

下面這個小程序，估計你們會感到比較親切。彷佛有至關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，但是結果呢：

• 多數用戶看到	其餘用戶看到
  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。 因而開始用搜索引擎搜索，開始上論壇發帖或抱怨

最後被告知，下面的語句之一能夠解決問題：

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GB2312"));
QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));

　　兩條指令挨個一試，確實能夠解決(多數用戶是第一條，其餘用戶是第二條)。那麼，爲何會這樣呢？

兩種亂碼何時出現

對這個問題，我想你們可能都有話說。在繼續以前，咱們先列個表，看看兩種亂碼分別在那種狀況下出現：

咱們只列舉你們最經常使用的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種不一樣編碼保存的源代碼文件，分別用3種不一樣的編譯器編譯，造成9種組合，除掉一種不能工做的狀況，兩種亂碼出現的狀況各佔一半。

從中咱們也能夠看出，亂碼和操做系統本來是沒有關係的。但咱們在 Windows 通常用的GBK，linux通常用的是不帶BOM的UTF-8。若是咱們只考慮帶*的狀況，也能夠說兩種亂碼和系統有關。

QString 爲何會亂碼呢

真的是 QString 亂碼了嗎？咱們能夠問問本身，咱們抱怨的對象是否是搞錯了？

繼續以前，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;
  

  　　

  明確概念1：

  • 源文件是有編碼的，可是這種純文本文件卻不會記錄本身採用的編碼

  這個是問題的根源，不妨作個試驗，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。

  如今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，未作任何修改，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，看到的倒是徹底不一樣的文字。

  明確概念2：

  • 如同咱們都瞭解的'A'與'\x41'等價同樣。

  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，好比保存成帶BOM的UTF-8，用cl編譯器時，漢字自己是UTF-8編碼，但程序內保存時倒是對應的GBK編碼。

  明確概念3：

  • QString 內部採用的是Unicode。

  QString內部採用的是 Unicode，它能夠同時存放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、BIG五、Latin-1仍是其餘方式...

  在你不告訴它的狀況下，它默認選擇了Latin-1，因而8個字符"ÎÒÊǺº×Ö"的unicode碼被存進了QString中。最終，8個Latin字符出如今你期盼看到4中文字符的地方，所謂的亂碼出現了

  QString 工做方式

  const char * str = "我是漢字";
  QString a= str;
  

  　　

  其實很簡單的一個問題，當你須要從窄字符串 char* 轉成Unicode的QString字符串的，你須要告訴QString你的這串char* 中到底是什麼編碼？GBK、BIG五、Latin-1

  理想狀況就是：將char* 傳給QString時，同時告訴QString本身的編碼是什麼：

  就像下面的函數同樣，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，遠遠知足不了你們的需求，好比，在簡體中文Windows下，local8Bit是GBK，但是有一個char串是 BIG5 或 Latin-2怎麼辦？

  那就動用強大的QTextCodec吧，首先QTextCodec確定知道本身所負責的編碼的，而後你把一個char串送給它，它就能正確將其轉成Unicode了。

  QString QTextCodec::toUnicode ( const char * chars ) const
  

  　　但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？

  這樣一來確定沒辦法同時告訴 QString 你的str是何種編碼了，只能經過其餘方式了。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。而究竟採用哪個，通常來講就是源代碼是GBK，就用GBK，源代碼是UTF-8就用UTF-8。但有一個例外，若是你保存成了帶BOM的UTF-8並且用的微軟的cl編譯器，此時還是GBK。

   

  總結下，亂碼出現的緣由主要是：

  QString內部採用的是 Unicode，它能夠同時存放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"。

  當你須要從窄字符串 char* 轉成Unicode的QString字符串的，你須要告訴QString你的這串char* 中到底是什麼編碼？GBK、BIG五、Latin-1？

  在你不告訴它的狀況下，它默認選擇了Latin-1，因而8個字符"ÎÒÊǺº×Ö"的unicode碼被存進了QString中。最終，8個Latin字符出如今你期盼看到4中文字符的地方，

  所謂的亂碼出現了。

  網上有不少方法介紹直接在main.cpp裏設置：

      QTextCodec *codec = QTextCodec::codecForName("UTF-8");

      QTextCodec::setCodecForTr(codec);

      QTextCodec::setCodecForLocale(codec);
      QTextCodec::setCodecForCStrings(codec);

  其實這在某些狀況下也是有問題的，由於程序可能讀到系統的中文路徑，或者調用中文路徑下的外部程序，這時候若是系統是gb2312就有問題了。

  由於中文路徑的編碼是採用utf-8存到QString裏的，系統讀中文路徑解碼的時候採用的倒是系統的gb2312，因此會調不起帶中文路徑的外部程序。

  以上問題下面方法能夠解決：

      QTextCodec *codec = QTextCodec::codecForName("UTF-8");

      QTextCodec::setCodecForTr(codec);

      QTextCodec::setCodecForLocale(QTextCodec::codecForLocale());
      QTextCodec::setCodecForCStrings(QTextCodec::codecForLocale());

  對於外部字符串編碼解碼所有采用本地編碼。