Q他中的乱码再理解

Qt版本有用4的版本的也有用5的版本，并且还有windows与linux跨平台的需求。

经常出现个问题是windows的解决了，源代码放到linux上编译不通过或者中文会乱码，本文主要是得出一个解决方案能解决Qt的中文问题，并支持不同平台与不同版本。

测试：

#include <QtGui/QApplication>

#include <QtGui/QLabel>

int main(int argc, char **argv)

{

    QApplication app(argc, argv);

    QString a= "我是汉字";

    QLabel label(a);

    label.show();

    return app.exec();

}

　　编码，保存，编译，运行，一切都很顺利，可是结果呢：

　　出现乱码！！！

1. 使用场景

Qt版本：      Qt5.1.0_VS2012
操作系统：     win7    
CPP文件编码：  UTF8—无BOM格式
CPP部分代码如下：

QTextCodec::setCodecForLocale(QTextCodec::codecForName("UTF8"));

QString strMessage = QString::fromLocal8Bit("我是UTF8编码的文件："));

qDebug() << strMessage;

　　试着编译下你会发现编译出错：error C2001: newline in constant
　　为什么呢？因为UTF8分为UTF8-无BOM和UTF8-BOM
　　UTF8-BOM其实就是比UTF8-无BOM多了几个字节的文件头，用于和UTF-16与UTF-32区分的。
　　而：windows识别的UTF8是指UTF-BOM(你可以使用记事本另存为UTF8格式后查看)。
　　因为有中文冒号：的存在故此UTF8-无BOM文件格式使用VS的Cl编译器是无法识别为UTF8的格式，只能当成ANSI来读取解析编译，故编译出错。
　　那就有人会说那我就把CPP的文件格式改为：UTF8—BOM格式。

　因此对于源码文件.cpp,.h 文件，如果用NodePad++ 打开。（1）如果用UTF-8无BOM格式编码打开保存，则导致再VS2013中编译后的Q他程序，通过：QString::fromLocal8Bit(“中国人民”)，则会出现乱码。（2）如果通过UTF-8格式编码，则，可以顺利通过编译QString::fromLocal8Bit(“中国人民”)，没有乱码。

2. 编译器对不同编码的处理

　　我们只列举大家最常用的3个编译器(微软VS的中的cl，Mingw中的g++，Linux下的g++)，源代码分别采用GBK 和不带BOM的UTF-8 以及 带BOM的UTF-8 这3中编码进行保存。

　　3种不同编码保存的源代码文件，分别用3种不同的编译器编译，形成9种组合，除掉一种不能工作的情况，两种乱码出现的情况各占一半。

　　从中我们也可以看出，乱码和操作系统原本是没有关系的。

　　注意：

　　Windows 一般用的GBK

　　linux一般用的是不带BOM的UTF-8。如果我们只考虑带*的情况，也可以说两种乱码和系统有关。

3. 深层次理解

　　QString 为什么会乱码呢？我们可以问问自己，我们抱怨的对象是不是搞错了？

　　（1）明确概念1：　

　　 "我是汉字" 是C语言中的字符串，它是char型的窄字符串。上面的例子可写为

const char * str = "我是汉字";

QString a= str;

或者

char str[] = "我是汉字";

QString a= str;

　　（2）明确概念2

　　源文件是有编码的，但是这种纯文本文件却不会记录自己采用的编码

　　实验验证：

　　这个是问题的根源，不妨做个试验，将前面的源代码保存成GBK编码，用16进制编辑器能看到引号内是ce d2 ca c7 ba ba d7 d6这样8个字节。

　　用文本工具，另存为：UTF-8格式另存：

　　将该文件在：欧洲人的Windows系统中的记事本打开；则显示：

...

    QString a= "ÎÒÊÇºº×Ö";

    QLabel label(a);

    label.show();

...

　　将该文件在：繁体字的的Windows系统中的记事本打开；则显

...

    QString a= "扂岆犖趼";

    QLabel label(a);

    label.show();

...

　　同一个文件，未做任何修改，但其中的8个字节ce d2 ca c7 ba ba d7 d6,对用GBK的大陆人，用BIG5的港澳台同胞，以及用Latin-1的欧洲人看来，看到的却是完全不同的文字。

　　UTF-8（含有BOM）以及（没有BOM）显示图下：

　　BIG5显示，如下图：

　　ANSI编码格式打开：

　　明确概念3：

GBK编码下的

const char * str = "我是汉字"

　　等价于

const char * str = "\xce\xd2\xca\xc7\xba\xba\xd7\xd6";

　　当用UTF-8编码时，等价于

const char * str = "\xe6\x88\x91\xe6\x98\xaf\xe6\xb1\x89\xe5\xad\x97";

　　注意：这个说法不全对，比如保存成带BOM的UTF-8，用cl编译器时，汉字本身是UTF-8编码，但程序内保存时却是对应的GBK编码。

　　明确概念4：QString 内部采用的是Unicode。

　　QString内部采用的是 Unicode，它可以同时存放GBK中的字符"我是汉字",BIG5中的字符"扂岆犖趼" 以及Latin-1中的字符"ÎÒÊÇºº×Ö"。

　　一个问题是，源代码中的这8个字节"\xce\xd2\xca\xc7\xba\xba\xd7\xd6"，该怎么转换成Unicode并存到 QString 内？按照GBK、BIG5、Latin-1还是其他方式...？？？

　　在你不告诉它的情况下，它默认选择了Latin-1，于是8个字符"ÎÒÊÇºº×Ö"的unicode码被存进了QString中。最终，8个Latin字符出现在你期盼看到4中文字符的地方，所谓的乱码出现了！！！

　　乱码的产生！！！　　　

4. QString 工作方式

const char * str = "我是汉字";

QString a= str;

　　其实很简单的一个问题，当你需要从窄字符串 char* 转成Unicode的QString字符串的，你需要告诉QString你的这串char* 中究竟是什么编码？GBK、BIG5、Latin-1

　　理想情况就是：将char* 传给QString时，同时告诉QString自己的编码是什么

　　就像下面的函数一样，QString的成员函数知道按照何种编码来处理 C 字符串

QString QString::fromAscii ( const char * str, int size = - )

QString QString::fromLatin1 ( const char * str, int size = - )

QString QString::fromLocal8Bit ( const char * str, int size = - )

QString QString::fromUtf8 ( const char * str, int size = - )

　　单QString 只提供了这几个成员函数，远远满足不了大家的需求，比如，在简体中文Windows下，local8Bit是GBK，可是有一个char串是 BIG5 或 Latin-2怎么办？

　　那就动用强大的QTextCodec吧，首先QTextCodec肯定知道自己所负责的编码的，然后你把一个char串送给它，它就能正确将其转成Unicode了。

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

　　可是这个调用太麻烦了，我就想直接

QString a= str;

　　或

QString a(str);

这样用怎么办？

这样一来肯定没办法同时告诉 QString 你的str是何种编码了，只能通过其他方式了。这也就是开头提到的

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("GBK"));

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

设置QString默认采用的编码。而究竟采用哪一个，一般来说就是源代码是GBK，就用GBK，源代码是UTF-8就用UTF-8。但有一个例外，如果你保存成了带BOM的UTF-8而且用的微软的cl编译器，此时仍是GBK。

endl;