Discussion :

[teddyalbina]

Bonjour,

Je cherche depuis un bon moment maintenant comment convertir des tableau de wchar_t en tableau de byte (unsigned char) et inversement.

En dotnet j'ai l'habitude de faire Encoding.UNICODE.GetBytes("ma string"); (nota : les strings en dotnet sont ces wchar_t). Et Encoding.UNICODE.GetString(mon tableau de byte);

J'ai beau cherché je ne trouve pas comment effectuer les mêmes opérations en C++.

Merci de votre aide .

[JolyLoic]

La question est un peu imprécise (et il n'y a malheureusement pas de réponse simple). Déjà, il ne faut pas mélanger format de stockage et encodage. Tes wchar_t sont encodés comment ? Si tu es sous windows, la réponse est probablement UTF-16. Et les chars résultants, tu voudrais qu'ils soient encodés comment ? UTF-8 ? La locale courante de la machine ? Autre ?

Quoi qu'il en soit, il n'y a rien en C++ standard pour faire ça. Tu peux te tourner soit vers des API spécifiques à ta machine (WideCharToMultiByte par exemple, sous windows), soit vers une bibliothèque externe (http://site.icu-project.org/ ou boost.locale, plus à la mode C++, qui est en cours d'intégration dans boost, ou encore des choses dans GLib (en particulier GLib::ustring qui a pour but de faciliter la manipulation de chaînes UTF-8)).

[Melem]

Il y a aussi les fonctions de <cstdlib>, héritages du C, wcstombs et co. La fonction setlocale (<clocale>) permet de spécifier l'encodage des multibyte string. Sous Windows, les wide strings sont toujours en UTF-16 et les multibyte strings par défaut en windows-1252 dans les pays européens.

[teddyalbina]

Merci pour vos réponses j'ai décidé que le coeur de l'application se contenterait de reçevoir des tableaux de byte.

Concernant ma question, je voudrais que wchar_t soit en UTF-8 quelque soit l'OS (je suis sous windows pour le dev). Une lib plus haut niveau se chargera des problématiques de conversions.

[Melem]

Une wide string ne sera jamais encodée en UTF-8, quel que soit l'OS. Lol. Il sera toujours en forme d'ISO/IEC 10646, typiquement de l'UTF-16 ou de l'UCS-4. Mais de toute façon, cela n'est pas très important. Ce qui peuvent changer d'encodage, ce sont les multibyte string (tableaux de char en C). Des exemples de multibyte string sont :

- iso-8859-1 : 1 octet par caractère, très utilisée dans les pages web
- windows-1252 : 1 octet par caractère, très proche de iso-8859-1 (il en est en fait une extension), utilisé dans l'environnement graphique de Windows en Europe
- utf-8 : nombre variable d'octet par caractère (en particulier 1 octet par caractère pour les caractères ASCII), permet d'utiliser tous les caractères unicode, utilisé dans l'environnement linux.

Les fonctions de conversion c'est déjà dans mon message précédent . Sous Windows cependant, setlocale ne supporte pas UTF-8. Si tu dois donc compiler pour plusieurs plateformes, utilise WideCharToMultiByte (beaucoup plus simple d'ailleurs) sous Windows et les fonctions standard pour les autres plateformes.