Version imprimable
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 .
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)).
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.
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.
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.