C++ string 转 wstring CP_ACP 和 CP_UTF8的区别

在 C++ 中，将 std::string 转换为 std::wstring 时，使用 CP_ACP 和 CP_UTF8 作为代码页参数的主要区别在于源字符串的编码假设和转换结果的正确性。以下是详细分析：

1. CP_ACP（系统默认ANSI代码页）

• 用途：假设 std::string 是基于当前系统默认的ANSI代码页（如Windows下的中文环境可能是GBK，英文环境可能是Windows-1252）。
• 行为：
  • 调用 MultiByteToWideChar(CP_ACP, ...)，将多字节字符按系统ANSI代码页解释并转换为宽字符（UTF-16）。
  • 如果 std::string 实际是UTF-8编码，但错误使用 CP_ACP，会导致转换后的 std::wstring 出现乱码（因为UTF-8字节序列会被错误解析为ANSI字符）。
• 适用场景：
  • 源字符串确实是当前系统ANSI代码页编码的（例如从旧版API或文件读取的ANSI文本）。
  • 不推荐用于处理UTF-8文本。

2. CP_UTF8（UTF-8编码）

• 用途：明确指定 std::string 是UTF-8编码。
• 行为：
  • 调用 MultiByteToWideChar(CP_UTF8, ...)，正确解析UTF-8字节序列并转换为UTF-16。
  • 如果 std::string 不是合法的UTF-8，转换可能失败（返回0，可通过 GetLastError() 检查）。
• 适用场景：
  • 源字符串是UTF-8编码（如现代文本文件、网络数据、JSON/XML等）。
  • 需要跨平台或国际化支持时，UTF-8是更通用的选择。

关键区别总结

代码示例

#include <string>
#include <windows.h>

std::wstring StringToWString(const std::string& str, UINT codePage) {
    if (str.empty()) return L"";
    int size = MultiByteToWideChar(codePage, 0, str.c_str(), -1, nullptr, 0);
    if (size == 0) return L""; // 转换失败
    std::wstring wstr(size, L'\0');
    MultiByteToWideChar(codePage, 0, str.c_str(), -1, &wstr[0], size);
    return wstr;
}

// 使用示例
std::string ansiStr = "ANSI文本"; // 假设是当前系统ANSI编码
std::string utf8Str = u8"UTF-8文本"; // 实际UTF-8编码

std::wstring wstr1 = StringToWString(ansiStr, CP_ACP);  // 正确（假设ansiStr确实是ANSI）
std::wstring wstr2 = StringToWString(utf8Str, CP_UTF8); // 正确
std::wstring wstr3 = StringToWString(utf8Str, CP_ACP);  // 乱码！

最佳实践

1. 明确编码来源：
   • 如果数据来自文件/网络且未明确编码，优先假设为UTF-8（现代标准）。
   • 旧系统或本地化文本可能是ANSI，需确认环境。
2. 错误处理：
   • 检查 MultiByteToWideChar 的返回值，处理非法编码。
3. 跨平台考虑：
   • 在非Windows系统上，使用 std::wstring_convert（C++11，已弃用）或第三方库（如ICU、iconv）。

为什么推荐 CP_UTF8？

• 确定性：UTF-8是明确的编码标准，而 CP_ACP 依赖运行环境。
• 国际化：UTF-8支持所有Unicode字符，避免ANSI的局限性。
• 未来兼容性：新系统/API更倾向于UTF-8。

除非明确需要处理遗留ANSI文本，否则应优先使用 CP_UTF8。