C语言 windows下Ansi和UTF-8编码格式的转换

　　当我们使用MinGW-w64作为编译器在windows系统环境下进行C语言编程时，如果源代码文件（.c）保存格式为Ansi格式，则在打印汉字时不会出现乱码；反之，如果我们使用UTF-8格式保存，则会出现乱码，需要在编译时加上“-fexec-charset=gbk”来解决乱码问题。

#include <stdio.h>

int main()
{
    printf("%s
", "你好，世界！");

    return 0;      
}

　　

　　那么，当我们使用C语言处理文件时，如果文件格式是UTF-8，如何转换成Ansi格式呢？注意：在windows下，txt的保存格式中有UTF-8和带有BOM的UTF-8两个选项。如果选择带有BOM的UTF-8选项，则在读取文件时会首先读到三个标志着这个文件是由UTF-8格式编码的字符，分别为EF BB BF。如果选择UTF-8，则不会有这三个字符，而是直接一开始就读到文件本身内容。详情请看：https://blog.csdn.net/wang544831183/article/details/82349668

// char.h
// 头文件
// 定义结构体File，存储文件信息
// 定义结构体初始化函数以及其他函数

#ifndef _H_CHAR_
#define _H_CHAR_

#include <stdio.h>
#include <stdbool.h>
#include <stdlib.h>
#include <windows.h>

unsigned char BOM[] = {0xEF, 0xBB, 0xBF};    // 带有BOM的UTF-8编码格式的文件会以这三个字符开头

// File结构体定义
typedef struct file {
    char *filename;
    char *filemode;
    char *encoding;
    bool readable;
} File;

// 函数定义
File *initializeFile(char *, char *);        // 初始化结构体
bool isUTF8(char *);                        // 判断文件是否为UTF-8编码格式
bool isReadable(char *);                    // 判断filemode是否支持可读选项
bool charInString(char, char *);            // 判断字符是否在字符串中
void fprint(File *);                        // 打印结构体内容
void fprintInfo(File *);                     // 打印结构体信息
void deconstructFile(File *);                // 析构化结构体
void fprintAnsi(File *);                    // 以Ansi格式打印
// 转换函数定义
void Convert(const char* strIn, char* strOut, int sourceCodepage, int targetCodepage);
void UTF82Ansi(PCHAR Src, PCHAR Dst);
void Ansi2UTF8(PCHAR Src, PCHAR Dst);

// 函数实现
File *initializeFile(char *filename, char *filemode)
{
    File *file = (File *)malloc(sizeof(File));
    file->filename = filename;
    file->filemode = filemode;
    file->encoding = "Ansi";
    file->readable = false;

    if (isUTF8(filename))
    {
        file->encoding = "UTF-8";
    }

    if (isReadable(filemode))
    {
        file->readable = true;
    }

    return file;
}

bool isUTF8(char *filename)
{
    FILE *fp = fopen(filename, "r");

    if (fp == NULL)
    {
        printf("Unable to open file %s
", filename);
        return false;
    }

    unsigned char *buffer = (unsigned char *)malloc(sizeof(unsigned char) * 3);
    fread(buffer, 3, 3, fp);
    fclose(fp);

    for (int i = 0; i < 3; i++)
    {
        if (buffer[i] != BOM[i])
        {
            return false;
        }
    }

    return true;
}

bool isReadable(char *filemode)
{
    if (charInString('r', filemode) || charInString('+', filemode))
    {
        return true;
    }
    return false;
}

bool charInString(char ch, char *str)
{
    while (*str != '')
    {
        if (ch == *str)
        {
            return true;
        }
        ++str;
    }
    return false;
}

void fprintInfo(File *file)
{
    printf("filename: %s
filemode: %s
encoding: %s
readble: %d
", file->filename, file->filemode, file->encoding, file->readable);
}

void fprint(File *file)
{
    // 只有filemode中存在'r'或者'+'字符时，才可以调用fprint函数
    if (!file->readable)
    {
        return;
    }

    FILE *fp = fopen(file->filename, file->filemode);
    char chr;

    if (fp == NULL)
    {
        printf("Failed to open file %s
", file->filename);
        return;
    }

    while ((chr = fgetc(fp)) != EOF)
    {
        printf("%c", chr);
    }

    puts("");
    fseek(fp, 0, SEEK_SET);        // 重置到开头

    while ((chr = fgetc(fp)) != EOF)
    {
        printf("%x ", (unsigned char)chr);
    }
    printf("

");

    fclose(fp);
}

void deconstructFile(File *file)
{
    free(file);
    file = NULL;
}

void fprintAnsi(File *file)
{
    if (!file->readable)
    {
        return;
    }
    if (file->encoding == "Ansi")
    {
        fprint(file);
    }
    else
    {
        FILE *fp = fopen(file->filename, file->filemode);
        
        int i = 0;
        char ch;
        char utf8[MAX_PATH] = {0};
        char ansi[MAX_PATH] = {0};

        // 跳过头三个BOM字符
        fseek(fp, 3, SEEK_SET);
        while ((ch = fgetc(fp)) != EOF)
        {
            utf8[i++] = ch;
        }
        utf8[i] = '';
        UTF82Ansi(utf8, ansi);
        printf("%s
", ansi);

        fclose(fp);
        fp = NULL;
    }
}

// 编码格式转换函数
void Convert(const char* strIn, char* strOut, int sourceCodepage, int targetCodepage)
{
    int len = lstrlenA(strIn);
    int unicodeLen = MultiByteToWideChar(sourceCodepage, 0, strIn, -1, NULL, 0);
    wchar_t pUnicode[1024] = {0};
    MultiByteToWideChar(sourceCodepage, 0, strIn, - 1, (LPWSTR)pUnicode, unicodeLen);

    BYTE pTargetData[2048] = {0};
    int targetLen = WideCharToMultiByte(targetCodepage, 0, (LPWSTR)pUnicode, -1, (char*)pTargetData,0, NULL, NULL);
    WideCharToMultiByte(targetCodepage, 0, (LPWSTR)pUnicode, -1,(char*)pTargetData, targetLen, NULL, NULL);
    lstrcpyA(strOut,(char*)pTargetData);
}
void UTF82Ansi(PCHAR Src, PCHAR Dst)
{
    Convert(Src,Dst,CP_UTF8,CP_ACP);
}
void Ansi2UTF8(PCHAR Src, PCHAR Dst)
{
    Convert(Src,Dst,CP_ACP, CP_UTF8);
}

#endif

#include "char.h"

int main()
{
    File *ansi = initializeFile("ansi.txt", "r");
    fprintInfo(ansi);
    fprint(ansi);
    deconstructFile(ansi);

    File *utf8 = initializeFile("utf-8-bom.txt", "r");
    fprintInfo(utf8);
    fprint(utf8);
    fprintAnsi(utf8);
    deconstructFile(utf8);        

    return 0;
}