如何在C++中将std::string转为UTF-8编码并实现URL编码？

你之前的操作只完成了字符编码转换（比如转UTF-8），但你要的是URL编码（转义）——这是两个完全独立的步骤，这就是你没得到预期结果的原因。

核心误区澄清 #

• 字符编码转换：把字符串从一种编码（比如CP437）转成另一种（比如UTF-8），转换后还是可读字符（只是字节表示变了）。
• URL编码：把非URL安全字符（括号、空格、非ASCII字符等）转成%XX的十六进制格式，是为了符合URL传输规范的转义操作。

正确操作流程 #

1. 确保原始字符串是UTF-8编码

   • 如果你的输入std::string本身就是UTF-8（比如é的字节是0xC3 0xA9），直接跳过此步。
   • 如果原始字符串是CP437编码，用Win32函数转换：

     // CP437转UTF-8示例
     std::string cp437_str = "(#1476710203) éf.pdf";
     int wide_len = MultiByteToWideChar(437, 0, cp437_str.c_str(), -1, nullptr, 0);
     std::wstring wide_str(wide_len, 0);
     MultiByteToWideChar(437, 0, cp437_str.c_str(), -1, wide_str.data(), wide_len);
     
     int utf8_len = WideCharToMultiByte(CP_UTF8, 0, wide_str.c_str(), -1, nullptr, 0, nullptr, nullptr);
     std::string utf8_str(utf8_len, 0);
     WideCharToMultiByte(CP_UTF8, 0, wide_str.c_str(), -1, utf8_str.data(), utf8_len, nullptr, nullptr);
     

2. 对UTF-8字符串执行URL编码
   以下是两种实现方式：

跨平台手动实现 #

#include <string>
#include <cctype>
#include <iomanip>
#include <sstream>

std::string url_encode(const std::string& utf8_input) {
    std::ostringstream escaped;
    escaped.fill('0');
    escaped << std::hex;

    for (unsigned char c : utf8_input) {
        // 保留URL安全字符：A-Za-z0-9-_.~
        if (std::isalnum(c) || c == '-' || c == '_' || c == '.' || c == '~') {
            escaped << static_cast<char>(c);
            continue;
        }
        // 其他字符转%XX格式（大写十六进制）
        escaped << '%' << std::setw(2) << static_cast<int>(c);
    }

    return escaped.str();
}

// 使用示例
int main() {
    std::string utf8_input = "(#1476710203) éf.pdf";
    std::string result = url_encode(utf8_input);
    // 输出：%28#1476710203%29%20%C3%A9f.pdf
    return 0;
}

Win32平台系统API实现 #

#include <windows.h>
#include <shlwapi.h>
#pragma comment(lib, "shlwapi.lib")
#include <string>

std::string win32_url_encode(const std::string& utf8_input) {
    // 转UTF-16供API使用
    int wide_len = MultiByteToWideChar(CP_UTF8, 0, utf8_input.c_str(), -1, nullptr, 0);
    std::wstring wide_str(wide_len, 0);
    MultiByteToWideChar(CP_UTF8, 0, utf8_input.c_str(), -1, wide_str.data(), wide_len);

    // 计算URL编码后的长度
    DWORD encoded_len = 0;
    UrlEscapeW(wide_str.c_str(), nullptr, &encoded_len, URL_ESCAPE_UNSAFE);
    
    std::wstring encoded_wide(encoded_len, 0);
    UrlEscapeW(wide_str.c_str(), encoded_wide.data(), &encoded_len, URL_ESCAPE_UNSAFE);

    // 转回UTF-8
    int utf8_len = WideCharToMultiByte(CP_UTF8, 0, encoded_wide.c_str(), -1, nullptr, 0, nullptr, nullptr);
    std::string encoded_utf8(utf8_len, 0);
    WideCharToMultiByte(CP_UTF8, 0, encoded_wide.c_str(), -1, encoded_utf8.data(), utf8_len, nullptr, nullptr);

    return encoded_utf8;
}

为什么之前的操作无效？ #

• 你仅执行了编码转换，没有做URL转义步骤，所以输出还是原始UTF-8字节的字符串，不会自动变成%XX格式。
• 如果输入字符串本身已经是UTF-8，用std::codecvt_utf8或编码转换函数不会改变内容，因为没有做实际的编码转换。

内容的提问来源于stack exchange，提问作者user123456