Conversion de chaine ASCII->Unicode

Bonjour.

J'ai eu beau chercher (MSDN, FAQ & Forums, google...) je ne trouve rien pour convertir proprement et simplement une chaine ascii (du bon vieux char*) en une chaine unicode.

La seule fonction que j'ai trouvée (grâce a ce forum d'ailleurs) c'est la fonction mbtowc, qui transforme du MultiByte en WideChar. Ayant cherché et compris le fonctionnement du Multibyte charset, je dois admettre que ça fonctionnera vraissemblablement très bien pour convertir du texte sans caractères ascii exotiques. Mais dans le principe, ça me parait anormal d'avoir recours à une interpretation approximative de mon ASCII en Multibyte pour pouvoir en faire de l'unicode.

N'y a t-il aucune fonction de base pour faire ça ? c'est quand meme une manipulation de chaine de base !

Merci de votre aide.

Ce qu'on appelle MultiByte, ce sont un ensemble de charsets ASCII étendus.
La plupart n'ont qu'un seul octet par caractère (comme ASCII, ISO 8859-1 ou CP1252 sous Windows), certains ont un ou deux octets (la plupart des charsets exotiques sous Windows), d'autres peuvent avoir plus (notamment UTF-8).

Tous rentrent dans la catégorie "multi-byte" sous Windows, par opposition à Unicode.

De plus, si c'est garanti être de l'ASCII pur, tu peux directement copier la valeur des char dans des wchar_t.
Ou si c'est garanti être de l'ISO 8859-1, tu peux copier la valeur non-signée des char (donc, castés en unsigned char) dans les wchar_t.

c'est intéressant (merci).

Mais alors quand j'utilise la fonction mbtows, si "Multibyte" ça peut vouloir dire plusieurs charset, comment cette fonction interprete-t-elle ma chaine de char ?
(note:J'ai employé le terme Multibyte tel que je l'ai compris dans la MSDN.)
cela dépend d'un reglage windows courant ? (genre je suis en français donc c'est de l'ascii étendu ou qqchose comme ça ? )

Moi je cherche juste a remplir une chaine unicode:

unsigned short ChaineU[100]

a partir de la chaine :

char chaine1[100] = "blabla";

N'y a-t-il pas un moyen indépendant du charset local français de mon pc sur le quel je compile ?
Comme tu le dis, il suffit de copier les char dans des wchar (j'en était pas sur c'est pour ça que j'ai pas osé), c'est pourquoi je m'étonne de ne pas trouver une fonction toute faite...

Sous Windows, les fonctions MultiByteToWideChar() et WideCharToMultiByte() prennent plus de paramètres que mbtowc() et peuvent donc peut-être faire ce que vous souhaitez. Cependant, vous avez peut-être déjà essayé.

Citation:

---

Envoyé par zzorglub

N'y a-t-il pas un moyen indépendant du charset local français de mon pc sur le quel je compile ?
Comme tu le dis, il suffit de copier les char dans des wchar (j'en était pas sur c'est pour ça que j'ai pas osé), c'est pourquoi je m'étonne de ne pas trouver une fonction toute faite...

---

On doit trouver des bibliothèques qui proposent de telles fonctions. La glib, par exemple, exporte des fonctions telles que g_convert(), g_locale_to_utf8() ou g_locale_from_utf8() pour convertir une chaine de caractères d'un charset dans un autre.

Thierry

Merci a vous !

le point que j'avais compris de travers et qui m'avait bloqué, c'est que je croyais que mon char* était encodé dans un format tout a fait universel, or ce n'est vrai que pour la moitié des caractères (ceux ascii) alors que la partie étendue dépend de ma langue française.

Du coup l'utilisation d'une fonction comme mbtowc qui prend en compte la langue locale (en étant universelle sur les 128 car ascii) devient logique, là où je trouvais ça innaproprié.

Bon ben je vais enfin pouvoir convertir cette satanée chaine !

merci :D

Copier les char sur les wchar_t ne suffit QUE si le charset "multibyte" utilisé est compatible.

Sous Windows par exemple, le charset par défaut est la page de codes 1252 (dit Windows-1252 sur internet), qui contient le symbole Euro, absent du charset ISO 8859-1.

Unicode commence par ISO 8859-1, donc tous les caractères ISO 8859-1 peuvent être copiés directement dans de l'unicode. le symbole Euro ne peut pas.


La fonction wcstombs() utilise le charset actuel (qui généralement, est ISO8859-1 ou UTF-8 sous Linux et CP1252 sous Windows). Donc, sous Windows, elle fait déjà plus qu'une simple copie.
Si tu regardes la fonction Win32 MultiByteToWideChar(), tu verras qu'elle prend plusieurs paramètres en plus, notamment un numéro de page de codes. Utiliser wcstombs() équivaut à passer la constante CP_ACP pour ce paramètre.

Note: Une chaîne "unicode" sous Windows n'est pas en "unicode pur" (UTF-32/UCS-4), mais en UTF-16 : Un wchar_t fait donc 16 bits sous Windows.

Edit: Post croisé. J'ai été trop lent à poster...