[转]qt中文乱码问题

如下是dbzhang关于qt中文乱码问题缘由的阐述，以为不错：

 

首先呢，声明一下，QString 是不存在中文支持问题的，不少人遇到问题，并非自己 QString 的问题，而是没有将本身但愿的字符串正确赋给QString。

很简单的问题，"我是中文"这样写的时候，它是传统的 char 类型的窄字符串，咱们须要的只不过是经过某种方式告诉QString 这四个汉字采用的那种编码。而问题通常都出在不少用户对本身当前的编码没太多概念，

因而

一个简 单的 Qt 程序

 

下面这个小程序，估计你们会感到比较亲切。彷佛有至关多的中文用户尝试写过这样的代码：

#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，但是结果呢：

• 多数用户看到	其余用户看到
  ÎÒÊǺº×Ö	æˆ‘æ˜¯æ±‰å —

出乎意料，界面上中文没显示出来，出现了不认识字符。 因而开始用搜索引擎搜索，开始上论坛发帖或抱怨

最后被告知，下面的语句之一能够解决问题：

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

　　两条指令挨个一试，确实能够解决(多数用户是第一条，其余用户是第二条)。那么，为何会这样呢？

两种乱码何时出现

对这个问题，我想你们可能都有话说。在继续以前，咱们先列个表，看看两种乱码分别在那种状况下出现：

咱们只列举你们最经常使用的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。

• 源代码的编码	编译器	结果
  GBK	cl	1	*
  	mingw-g++	1	*
  	g++	1
  UTF-8(不带BOM)	cl	2
  	mingw-g++	2
  	g++	2	*
  UTF-8(带BOM)	cl	1
  	mingw-g++	2
  	g++	编译失败

采用3种不一样编码保存的源代码文件，分别用3种不一样的编译器编译，造成9种组合，除掉一种不能工做的状况，两种乱码出现的状况各占一半。

从中咱们也能够看出，乱码和操做系统本来是没有关系的。但咱们在 Windows 通常用的GBK，linux通常用的是不带BOM的UTF-8。若是咱们只考虑带*的状况，也能够说两种乱码和系统有关。

QString 为何会乱码呢

真的是 QString 乱码了吗？咱们能够问问本身，咱们抱怨的对象是否是搞错了？

继续以前，先明确几个概念：

明确概念0：

• "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

  char str[] = "我是汉字";
  QString a= str;
  

  　　

  明确概念1：

  • 源文件是有编码的，可是这种纯文本文件却不会记录本身采用的编码

  这个是问题的根源，不妨作个试验，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。

  如今将该文件拷贝到正体(繁体)中文的Windows中，用记事本打开会什么样子呢？

  ...
      QString a= "扂岆犖趼";
      QLabel label(a);
      label.show();
  ...
  

  　　那么放到欧美人的Windows系统中，再用记事本打开呢？

  ...
      QString a= "ÎÒÊǺº×Ö";
      QLabel label(a);
      label.show();
  ...
  

  　　

  同一个文件，未作任何修改，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，看到的倒是彻底不一样的文字。

  明确概念2：

  • 如同咱们都了解的'A'与'\x41'等价同样。

  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，好比保存成带BOM的UTF-8，用cl编译器时，汉字自己是UTF-8编码，但程序内保存时倒是对应的GBK编码。

  明确概念3：

  • QString 内部采用的是Unicode。

  QString内部采用的是 Unicode，它能够同时存放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"ÎÒÊǺº×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、BIG五、Latin-1仍是其余方式...

  在你不告诉它的状况下，它默认选择了Latin-1，因而8个字符"ÎÒÊǺº×Ö"的unicode码被存进了QString中。最终，8个Latin字符出如今你期盼看到4中文字符的地方，所谓的乱码出现了

  QString 工做方式

  const char * str = "我是汉字";
  QString a= str;
  

  　　

  其实很简单的一个问题，当你须要从窄字符串 char* 转成Unicode的QString字符串的，你须要告诉QString你的这串char* 中到底是什么编码？GBK、BIG五、Latin-1

  理想状况就是：将char* 传给QString时，同时告诉QString本身的编码是什么：

  就像下面的函数同样，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 = -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 )
  

  　　

  单QString 只提供了这几个成员函数，远远知足不了你们的需求，好比，在简体中文Windows下，local8Bit是GBK，但是有一个char串是 BIG5 或 Latin-2怎么办？

  那就动用强大的QTextCodec吧，首先QTextCodec确定知道本身所负责的编码的，而后你把一个char串送给它，它就能正确将其转成Unicode了。

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

  　　但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？

  这样一来确定没办法同时告诉 QString 你的str是何种编码了，只能经过其余方式了。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。而究竟采用哪个，通常来讲就是源代码是GBK，就用GBK，源代码是UTF-8就用UTF-8。但有一个例外，若是你保存成了带BOM的UTF-8并且用的微软的cl编译器，此时还是GBK。

   

  总结下，乱码出现的缘由主要是：

  QString内部采用的是 Unicode，它能够同时存放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"ÎÒÊǺº×Ö"。

  当你须要从窄字符串 char* 转成Unicode的QString字符串的，你须要告诉QString你的这串char* 中到底是什么编码？GBK、BIG五、Latin-1？

  在你不告诉它的状况下，它默认选择了Latin-1，因而8个字符"ÎÒÊǺº×Ö"的unicode码被存进了QString中。最终，8个Latin字符出如今你期盼看到4中文字符的地方，

  所谓的乱码出现了。

  网上有不少方法介绍直接在main.cpp里设置：

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

      QTextCodec::setCodecForTr(codec);

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

  其实这在某些状况下也是有问题的，由于程序可能读到系统的中文路径，或者调用中文路径下的外部程序，这时候若是系统是gb2312就有问题了。

  由于中文路径的编码是采用utf-8存到QString里的，系统读中文路径解码的时候采用的倒是系统的gb2312，因此会调不起带中文路径的外部程序。

  以上问题下面方法能够解决：

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

      QTextCodec::setCodecForTr(codec);

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

  对于外部字符串编码解码所有采用本地编码。