C++中如何通过Unicode值丂获取GB18030代码点8140？

你的核心问题是当前代码没有实现Unicode到GB18030的编码转换，反而在输出UTF-16的字节流，同时源文件编码问题导致直接写L"丂"时得到了错误的宽字符值。以下是修正方案：

问题分析 #

1. 当前使用的std::codecvt_utf16仅用于处理UTF-16与宽字符的转换，和GB18030编码无关。你看到的00 81 00 40是源文件编码不匹配导致的错误宽字符：如果你的源文件编码是GB18030，编译器会把L"丂"解析为GB18030的两个字节0x81和0x40，分别转成宽字符0x0081和0x0040，再转成UTF-16LE字节就得到了00 81 00 40；而L"\u4E02"是直接指定Unicode值，所以得到的是正确的宽字符0x4E02，转成UTF-16LE字节就是4e 02。
2. 你需要的是将Unicode字符（U+4E02）转换为GB18030编码的字节流，正确的GB18030编码丂应为81 40（两个字节）。

解决方案 #

方案1：使用标准库codecvt_byname（跨平台/Windows兼容） #

通过指定GB18030编码的codecvt_byname转换器，实现宽字符（UTF-16）到GB18030的转换：

#include <iostream>
#include <iomanip>
#include <codecvt>
#include <locale>

void hex_print(const std::string& s);

int main()
{
    // 正确指定Unicode值U+4E02
    std::wstring test2 = L"\u4E02";

    // 创建GB18030编码转换器
    std::wstring_convert<std::codecvt_byname<wchar_t, char, std::mbstate_t>> conv(
        new std::codecvt_byname<wchar_t, char, std::mbstate_t>("GB18030")
    );
    
    // 转换为GB18030编码的字节流
    std::string gb18030_str = conv.to_bytes(test2);
    hex_print(gb18030_str);

    return 0;
}

void hex_print(const std::string& s)
{
    std::cout << std::hex << std::setfill('0');
    for (unsigned char c : s)
        std::cout << std::setw(2) << static_cast<int>(c) << ' ';
    std::cout << std::dec << '\n';
}

方案2：使用ATL的CString（Windows专属） #

因为你已经包含了<atlstr.h>，可以直接利用CString的编码转换功能：

#include <iostream>
#include <atlstr.h>
#include <iomanip>

void hex_print(const std::string& s);

int main()
{
    std::wstring test2 = L"\u4E02";
    // 将宽字符转换为GB18030编码的多字节字符串
    CStringA gb18030_str(CStringW(test2), CP_GB18030);
    
    hex_print(static_cast<std::string>(gb18030_str));

    return 0;
}

void hex_print(const std::string& s)
{
    std::cout << std::hex << std::setfill('0');
    for (unsigned char c : s)
        std::cout << std::setw(2) << static_cast<int>(c) << ' ';
    std::cout << std::dec << '\n';
}

输出结果 #

两个方案都会输出：

81 40

这就是丂对应的GB18030编码字节流。

内容的提问来源于stack exchange，提问作者Ferrus