Qt 4.8.7 + MSVC 中文乱码问题深入分析

此问题很常见，然而网上关于此问题的分析大多不够深刻，甚至有错误；加之Qt5又更改了一些编码策略，而很多文章并未提及版本问题，或是就算提了，读者也不重视。这些因素很容易让读者产生误导。今日我彻底研究透了这个问题，在此记录。

环境：Qt 4.8.7, Qt Creator 4.2.2, MSVC 2015

Qt 4.8.7 + MSVC 的中文乱码问题，实际上有两层原因。

第一层：MSVC 不识别无 BOM 的 UTF-8

Qt Creator 默认源代码文件编码是无BOM的UTF-8，而MSVC编译器会误认为这是本地多字节字符集（MBCS）编码（对于简中地区，即GBK，代码页936）。

解决方法1（推荐）：Qt Creator选项—文本编辑器—文件编码—UTF8 BOM——如果编码是UTF8则添加—确定。
解决方法2：Qt Creator选项—文本编辑器—文件编码—默认编码—GBK—确定。

注意：修改以上两种方法提及的设置后，Qt Creator并不会自动修改已保存的文件的编码或BOM。我们需要修改一下含中文的文件，重新Ctrl+S保存，这样才能将这些设置应用于这些文件。

第二层：QString 构造函数默认假定的文本编码不正确

我们代码中的字符串，特别是用于测试这个乱码问题的字符串，一般都是C样式的，即用一对双引号包围的const char []类型字符串字面量，如 "Hello World" 。然而 Qt 里很多函数的参数要求的字符串类型都是 QString，我们填入这种C样式字符串时就会有个隐式转换，转为QString类型，其实也就是QString这个构造函数在帮我们转换：

explicit QString::QString(const char* ch)

 然而const char*类型只表明了这个字符串是多字节字符集，却没指明是哪一种，他可能是GBK, UTF-8等等，甚至可能是跟咱这边八竿子打不着的西欧语言字符集Latin-1（ISO-8859-1）。不加声明的话，MSVC默认我们的字符串字面量是本地多字节字符集（MBCS），即GBK编码，如下图左侧“标题title”文本所示情况。而如果在这种C样式字符串的引号前加上“u8”二字，则MSVC就会认为此字符串是UTF-8编码，如下图右侧“文本text”文本所示情况。

 MSVC在我们有或没有声明的情况下判断出了此字符串的编码后，对此字符串进行编码，也就是将它们转换为二进制的字节数据，传给QString的构造函数。

注意：
①即使在上一层问题的解决中，我们选择了保留UTF-8，加上BOM供MSVC识别，以上所述MSVC对C样式字符串的编码的解析方式仍然成立。他不会因为你的源码文件是UTF-8编码，就将其中的这种字符串优先视为UTF-8。所以上一层问题你选择了哪种解决方法对这一层问题是没有影响的。
②“u8”标记只是给MSVC编译器的提示，MSVC处理后，不管是加了u8还是没加，一律变成const char[]这样的字节数组。也就是说，有没有u8，QString的构造函数是不知道的，看不见的。他只知道传进来了一个const char* 类型。

传给QString的构造函数后，QString要解码这些二进制数据，也就是将它们映射到可显示（我们能看懂）的字符上。由于这些数据不能体现编码，他就要猜。咱当然希望他猜是GBK啦，但是事与愿违，Qt库毕竟不是中国人写的。他默认猜成西欧语言字符集Latin-1（如图）！这就会导致我们在代码里写了些汉字，却显示出一堆拉丁字母甚至音标。这也是为何在没有QString参与的情况下只解决第一层问题就好了，例如控制台窗口的std::cout，而在需要把const char*转换成QString时就又会出问题。

那么解决思路已经很明显了。要么修改它的设置，让他猜成GBK（或UTF-8），要么明明白白的告诉他我们的字符串是啥编码（使用 QString::fromXXX 函数）。

解决方法1（推荐）：在 QApplication 对象创建前将“C样式字符串的编码(CodecForCStrings)”设为UTF-8，并在每个含中文的字符串字面量的前导引号前加上u8二字（如QString str(u8"这是中文");）。设置“C样式字符串的编码”的方法是：在程序的入口点（main函数）中最开始的位置加上图中这句代码（别忘了加头文件）：

QTextCodec::setCodecForCStrings(QTextCodec::codecForName("UTF-8"));

解决方法2： 跟方法1一样修改“C样式字符串的编码”，但设为本地多字节字符集（MBCS，一般是GBK），代码中的字符串字面量不加“u8”（如QString str("这是中文");）。具体方法和上条类似，不再赘述，但main函数中加的那句代码改为：

QTextCodec::setCodecForCStrings(QTextCodec::codecForLocale());

解决方法3： 在每个字符串字面量的前导引号前加上u8，并用 QString::fromLocal8Bit() 包裹，如图：

解决方法4：字符串字面量的前导引号前不加u8，并用 QString::fromLocal8Bit() 包裹，如图：

依次解决以上两层问题后，中文就不再乱码了。再次强调，本文只针对 Qt 4.8.7 + MSVC2015 环境提供问题原理和解决方案，Qt5就不一样了，说不定微软也会在未来的MSVC中添加对无BOM的UTF-8文件的识别。那时，问题的解决将简单很多。

szx0427 作于 2024/07/17