qt - QString::toUtf8 在做什么？

Question

这听起来像是一个显而易见的问题，但我错过了一些关于 UTF-8 的编码方式或 toUtf8 函数如何工作的信息。

我们来看一个非常简单的程序

QString str("Müller");
qDebug() << str << str.toUtf8().toHex();

然后我得到输出

"Müller" "4dc383c2bc6c6c6572" 

但我知道字母 ü应该被编码为c3bc而不是c383c2bc。

谢谢约翰

Answer 1

这取决于源代码的编码。

我倾向于认为您的文件已经以 UTF-8 编码，字符 ü 被编码为 C3 BC。

您正在调用QString::QString ( const char * str )构造函数，根据http://doc.qt.io/qt-4.8/qstring.html#QString-8，使用默认情况下考虑的 QString::fromAscii() 方法将字符串转换为 unicode作为 Latin1 内容的输入。

由于 C3 和 BC 在拉丁文 1 中都有效，分别代表 Ã 和 ¼，将它们转换为 UTF-8 将导致以下字符：

à (C3) -> C3 83

¼ (BC) -> C2 BC

这导致你得到的字符串：“4d c3 83 c2 bc 6c 6c 65 72”

总而言之，它是双重 UTF-8 编码。

有几个选项可以解决这个问题：

1) 您可以使用您喜欢的文本编辑器将源文件转换为 Latin-1。

2）您可以正确地将 ü 字符转义到 litteral 字符串中的 \xFC 中，因此该字符串将不依赖于文件的编码。

3）您可以将文件和字符串保存为 UTF-8 数据并使用QString str = QString::fromUtf8 ("Müller");

更新：此问题在 QT5 中不再相关。http://doc.qt.io/qt-5/qstring.html#QString-8声明构造函数现在在QString::fromUtf8()内部使用而不是QString::fromAscii(). 因此，只要始终使用 UTF-8 编码，就会默认使用它。

Answer 2

运行你的代码我得到了预期的结果

"4dc3bc6c6c6572"

我认为问题在于您的输入而不是输出。检查源文件的编码并查看 void QTextCodec::setCodecForCStrings ( QTextCodec * codec ) [static]