关于各种文本编码格式转换的问题

Question

像UTF-8转换成unicode应该怎么做？

Answer 1

那记事本里另存为中那个unicode big edition怎么转换成unicode?

Answer 2

错了,是unicode big endian

Answer 3

一样是用MultiByteToWideChar，第1个参数给出编码ID，MSDN中有一张代码页ID表，（Code Page Identifiers），在这个表中找出对应的ID。

Answer 4

我的MSDN2005上是这些:
CP_ACP ANSI code page 
CP_MACCP Not supported 
CP_OEMCP OEM code page 
CP_SYMBOL Not supported 
CP_THREAD_ACP Not supported 
CP_UTF7 UTF-7 code page 
CP_UTF8 UTF-8 code page 没有unicode   big   endian啊

Answer 5

从我的MSDN上抓下来的，原本是有表格的。
Code Page Identifiers
Identifier Name 
037 IBM EBCDIC - U.S./Canada 
437 OEM - United States 
500 IBM EBCDIC - International  
708 Arabic - ASMO 708 
709 Arabic - ASMO 449+, BCON V4 
710 Arabic - Transparent Arabic 
720 Arabic - Transparent ASMO 
737 OEM - Greek (formerly 437G) 
775 OEM - Baltic 
850 OEM - Multilingual Latin I 
852 OEM - Latin II 
855 OEM - Cyrillic (primarily Russian) 
857 OEM - Turkish 
858 OEM - Multilingual Latin I + Euro symbol 
860 OEM - Portuguese 
861 OEM - Icelandic 
862 OEM - Hebrew 
863 OEM - Canadian-French 
864 OEM - Arabic 
865 OEM - Nordic 
866 OEM - Russian 
869 OEM - Modern Greek 
870 IBM EBCDIC - Multilingual/ROECE (Latin-2) 
874 ANSI/OEM - Thai (same as 28605, ISO 8859-15) 
875 IBM EBCDIC - Modern Greek 
932 ANSI/OEM - Japanese, Shift-JIS 
936 ANSI/OEM - Simplified Chinese (PRC, Singapore) 
949 ANSI/OEM - Korean (Unified Hangul Code) 
950 ANSI/OEM - Traditional Chinese (Taiwan; Hong Kong SAR, PRC)  
1026 IBM EBCDIC - Turkish (Latin-5) 
1047 IBM EBCDIC - Latin 1/Open System 
1140 IBM EBCDIC - U.S./Canada (037 + Euro symbol) 
1141 IBM EBCDIC - Germany (20273 + Euro symbol) 
1142 IBM EBCDIC - Den/Norway (20277 + Euro symbol) 
1143 IBM EBCDIC - Finland/Sweden (20278 + Euro symbol) 
1144 IBM EBCDIC - Italy (20280 + Euro symbol) 
1145 IBM EBCDIC - Latin America/Spain (20284 + Euro symbol) 
1146 IBM EBCDIC - United Kingdom (20285 + Euro symbol) 
1147 IBM EBCDIC - France (20297 + Euro symbol) 
1148 IBM EBCDIC - International (500 + Euro symbol) 
1149 IBM EBCDIC - Icelandic (20871 + Euro symbol) 
1200 Unicode UCS-2 Little-Endian (BMP of ISO 10646) 
1201 Unicode UCS-2 Big-Endian  
1250 ANSI - Central European  
1251 ANSI - Cyrillic 
1252 ANSI - Latin I  
1253 ANSI - Greek 
1254 ANSI - Turkish 
1255 ANSI - Hebrew 
1256 ANSI - Arabic 
1257 ANSI - Baltic 
1258 ANSI/OEM - Vietnamese 
1361 Korean (Johab) 
10000 MAC - Roman 
10001 MAC - Japanese 
10002 MAC - Traditional Chinese (Big5) 
10003 MAC - Korean 
10004 MAC - Arabic 
10005 MAC - Hebrew 
10006 MAC - Greek I 
10007 MAC - Cyrillic 
10008 MAC - Simplified Chinese (GB 2312) 
10010 MAC - Romania 
10017 MAC - Ukraine 
10021 MAC - Thai 
10029 MAC - Latin II 
10079 MAC - Icelandic 
10081 MAC - Turkish 
10082 MAC - Croatia 
12000 Unicode UCS-4 Little-Endian 
12001 Unicode UCS-4 Big-Endian 
20000 CNS - Taiwan  
20001 TCA - Taiwan  
20002 Eten - Taiwan  
20003 IBM5550 - Taiwan  
20004 TeleText - Taiwan  
20005 Wang - Taiwan  
20105 IA5 IRV International Alphabet No. 5 (7-bit) 
20106 IA5 German (7-bit) 
20107 IA5 Swedish (7-bit) 
20108 IA5 Norwegian (7-bit) 
20127 US-ASCII (7-bit) 
20261 T.61 
20269 ISO 6937 Non-Spacing Accent 
20273 IBM EBCDIC - Germany 
20277 IBM EBCDIC - Den/Norway 
20278 IBM EBCDIC - Finland/Sweden 
20280 IBM EBCDIC - Italy 
20284 IBM EBCDIC - Latin America/Spain 
20285 IBM EBCDIC - United Kingdom 
20290 IBM EBCDIC - Japanese Katakana Extended 
20297 IBM EBCDIC - France 
20420 IBM EBCDIC - Arabic 
20423 IBM EBCDIC - Greek 
20424 IBM EBCDIC - Hebrew 
20833 IBM EBCDIC - Korean Extended 
20838 IBM EBCDIC - Thai 
20866 Russian - KOI8-R 
20871 IBM EBCDIC - Icelandic 
20880 IBM EBCDIC - Cyrillic (Russian) 
20905 IBM EBCDIC - Turkish 
20924 IBM EBCDIC - Latin-1/Open System (1047 + Euro symbol) 
20932 JIS X 0208-1990 & 0121-1990 
20936 Simplified Chinese (GB2312) 
21025 IBM EBCDIC - Cyrillic (Serbian, Bulgarian) 
21027 (deprecated) 
21866 Ukrainian (KOI8-U) 
28591 ISO 8859-1 Latin I 
28592 ISO 8859-2 Central Europe 
28593 ISO 8859-3 Latin 3  
28594 ISO 8859-4 Baltic 
28595 ISO 8859-5 Cyrillic 
28596 ISO 8859-6 Arabic 
28597 ISO 8859-7 Greek 
28598 ISO 8859-8 Hebrew 
28599 ISO 8859-9 Latin 5 
28605 ISO 8859-15 Latin 9 
29001 Europa 3 
38598 ISO 8859-8 Hebrew 
50220 ISO 2022 Japanese with no halfwidth Katakana 
50221 ISO 2022 Japanese with halfwidth Katakana 
50222 ISO 2022 Japanese JIS X 0201-1989 
50225 ISO 2022 Korean  
50227 ISO 2022 Simplified Chinese 
50229 ISO 2022 Traditional Chinese 
50930 Japanese (Katakana) Extended 
50931 US/Canada and Japanese 
50933 Korean Extended and Korean 
50935 Simplified Chinese Extended and Simplified Chinese 
50936 Simplified Chinese 
50937 US/Canada and Traditional Chinese 
50939 Japanese (Latin) Extended and Japanese 
51932 EUC - Japanese 
51936 EUC - Simplified Chinese 
51949 EUC - Korean 
51950 EUC - Traditional Chinese 
52936 HZ-GB2312 Simplified Chinese  
54936 Windows XP: GB18030 Simplified Chinese (4 Byte)  
57002 ISCII Devanagari 
57003 ISCII Bengali 
57004 ISCII Tamil 
57005 ISCII Telugu 
57006 ISCII Assamese 
57007 ISCII Oriya 
57008 ISCII Kannada 
57009 ISCII Malayalam 
57010 ISCII Gujarati 
57011 ISCII Punjabi 
65000 Unicode UTF-7 
65001 Unicode UTF-8 

Answer 6

MultiByteToWideChar(12001, ...);
好像不能把unicode Big-Endian 转换为Little-Endian

Answer 7

应该不会有这种需求吧？
如果有必要在两种MultiByte之间转换的话，可以先转成Unicode，再转成需要的MultiByte。

Answer 8

没啊,我说的就是unicode big endian转换成unicode.1200   Unicode   UCS-2   Little-Endian   (BMP   of   ISO   10646)   
1201   Unicode   UCS-2   Big-Endian     MultiByteToWideChar(12001,   ...); 好像不行哦.

Answer 9

上面的错了,我改成1201后也不行.
我是想实现你notepad那样可以打开ansi,unicode,unicode big endian,utf-8这四种编码的文本文件.

Answer 10

返回值和错误码都是什么？
我看了一下系统中没有这个代码页，又用记事本试了一下这种编码，感觉像是把Unicode的两个字节对调了一下，我猜测可能是NotePad自己转的，你可以这样试试。

Answer 11

确实我在网上看到little endian和big endian只是两个字节顺序不同,但如何快速把一个字符串所有字符的高低字节都进行对调?

Answer 12

直接逐个取出、对调、回存即可，这个操作肯定比执行MultiByteToWideChar查表转码要快，所以不用考虑快速完成的方法。

Answer 13

little endian 转 big endian直接htons就搞定了。