Функция MultiByteToWideChar

Не понятно почему первый параметр функции MultiByteToWideChar требует кодировку (насколько я понимаю, это кодировка исходной строки). Все равно там просто копируются байты из одного массива в другой. Тогда какое значение здесь имеет кодировка? Кодировка же играет роль только при выводе чтоб система отображения знала в каком виде показать эти байты, какие графические символы подставлять для конкретного набора байт. Думаю в контексте копирования байт это лишний параметр. Тот же аналог этой функции из стандартной библиотеки std::mbstowcs не требует кодировки. В чем подвох?

0

Кодировка же играет роль только при выводе

Да? Ну ладно. Тогда объяснять дальше не имеет смысла.

В чем подвох?

В том, что Вы ничего не знаете о кодировках и их преобразованиях?

1

Сообщение от Undisputed Тот же аналог этой функции из стандартной библиотеки std::mbstowcs не требует кодировки.

Требует. Кодировка задается текущей локалью.

1

Croessmah,
Ну ок ещё чтоб длину строки правильно посчитать например. Зачем нужна кодировка чтоб скопировать байты из массива в другой массив?

Кодировка это просто таблица символов где каждому символу соответствует определенный набор байт. Зачем нужно указывать при копировании исходную кодировку - не понятно.

DrOffset,
Не знал, спасибо! Но что это даёт в контексте копирования байт?

0

Undisputed, и где здесь прямое копирование?
Широкие строки и мультибайтные - это разные вещи.

Кодировка это просто таблица символов где каждому символу соответствует определенный набор байт. Зачем нужно указывать при копировании исходную кодировку - не понятно.

И в разных кодировках эти "наборы байт" разные.

Но что это даёт в контексте копирования байт?

Причем здесь копирование байт?
Ну попробуй строку 1251CP или UTF-8 скопировать напрямую в wchar_t.

1

Croessmah,
Ну получить ахинею это в принципе нормально же. Сменили кодировку - этим байтам уже соответствуют другие символы.
Причём это может быть не всегда... Например при переводе из ascii в utf-8 никакой ахинеи быть не должно...

Я понял что ты имеешь ввиду но тут снова возникают вопросы:
1. Какой смысл переводить данные в другую кодировку если мы хотим сохранить их прежнее представление? Ведь у нас уже есть нужное представление так зачем менять кодировку?
2. В указанной функции можно указать только одну кодировку (насколько я понял, это кодировка исходной строки), но для кодировки новой строки нет параметра. Зачем? В какой кодировке в таком случае будет новая строка?

Поэтому и непонятно... Есть набор байт и и помоему для их копирования в новый массив никакие кодировки не нужны... А как работать с этим набором байт уже должны решать конкретные функции для работы со строками. Например strlen(bytes, codepage), и пусть считает сколько символов соответствует переданному набору байт в той кодировке что мы указали вторым параметром...

0

Например при переводе из ascii в utf-8 никакой ахинеи быть не должно..

Ровно до тех пор, пока старший бит равен нулю.

но для кодировки новой строки нет параметра

Потому что в Windows для широких символов используется UCS-2 (или UTF-16?).

. Есть набор байт и и помоему для их копирования в новый массив никакие кодировки не нужны...

Предлагаю решить задачу.
У тебя есть char-символ с кодом 255.
Переведи его в UTF-16 Unicode.
Как решишь, напиши код этого символа в UTF-16.
Затем продолжим обсуждение.
До тех пор, смысла не вижу, стоило бы сначала
ознакомиться с кодировками и с чем их едят.

1

Croessmah,
Говоря "переведи его" - имеется ввиду сохранить графическое представление, но в другой кодировке?

Добавлено через 1 минуту
А если у меня не windows и используется стандартная функция а не та что из winapi?

0

Говоря "переведи его" - имеется ввиду сохранить графическое представление, но в другой кодировке?

Глиф зависит от шрифта. Кодировки здесь ни при чем.
Вот естт символ с кодом 255 в какой-то кодовой странице.
Дай мне код этого символа в юникоде.

А если у меня не windows и используется стандартная функция а не та что из winapi?

Под линуксом, например, wchar_t будет UTF-32 (UCS-4).

1

Croessmah,
Под линуксом wchar_t вроде 4 байта, это же просто тип, никак не связанный с понятием "кодировка"...
Не могу найти логику в том как тип из 4 байт связан с кодировкой... Это просто 4 байта же... В них же нет доп. информации о кодировке.

Вот это мне не понятно... А про ту функцию я понял, она задаст тот набор байт который соответствует переданным символам но уже в UTF16

0

Сообщение от Undisputed В них же нет доп. информации о кодировке.

Она есть у программиста. Когда ты, например, пишешь в char[] строки в CP1251, только ты знаешь, что там лежит именно CP1251. И функции, которые будут принимать такой char [], должны либо непосредственно интерпретировать его как CP1251 (закладываться на это сразу), либо иметь какой-то способ указания. Но в любом случае за корректностью и соответствием одного другому следит именно программист. Если ты передашь в такую функцию KOI8-R или UTF-8, которые также сохраняются в char[] - алгоритмы, ждущие CP1251, перестанут выдавать корректный результат. Поэтому тут так часты, например, темы с "иероглифами" вместо ожидаемого текста - люди не понимают как обеспечить соответствие.
А с wchar_t под windows, ровно как и под linux, просто действует умолчание, договоренность, что в них лежит UTF16/UTF32 соответственно. Т.е. это опять соглашение на уровне программиста\программистов.

Добавлено через 6 минут

Сообщение от Undisputed Но что это даёт в контексте копирования байт?

Там не просто копирование, а преобразование одних кодов в другие.
Например процесс конвертации русской буквы А в кодировке CP1251 в кодировку KOI8-R состоит в нахождения соответствия коду 0xC0 (CP1251) кода 0xE1 (KOI8-R) и запись его в строку-приемник. С преобразованиями других кодировок в общем случае действует тот же принцип.

3

DrOffset,
Спасибо что разжевал

0