GBK(GB2312)向UTF-8的編碼轉換
最近做一個IE外掛，要從網頁中取得文字，編碼到一個URL中去。在前一篇文章“中文URL編碼”中，粗略地介紹了URL編碼的規則，以及中文URL編碼的過程，但在如何將GBK或者GB2312編碼的漢字轉換到UTF-8編碼仍然是一個問題。編碼是一個很複雜的問題，我也瞭解甚少，這裡只是寫寫我的經驗，歡迎補充和指正。
在PHP、.NET中，編碼的轉換都比較容易。ATL中有一些巨集是用來做編碼轉換的，我沒試過，而且我更願意用後面所講的方法。
在COM程式設計中，字串多儲存在BSTR結構中。網上許多文章都說這個資料結構中儲存的就是Unicode，我就試了好多次從Unicode轉UTF-8，未遂。在Debug的時候，含有中文字串的BSTR能夠正常顯示，說明它的編碼應該是GBK.
如何從GBK轉換到UTF-8呢？libiconv應該可以做到，然而我使用它的Windows port後，可以編譯、註冊COM元件，就是工具欄出不來了，於是放棄。上網搜尋，得到一個被廣泛轉載的CChineseCode類。然而它僅僅針對漢字（每個漢字在UTF-8編碼中佔3個位元組），如果字串中有英文，就有麻煩了，因為英文在UTF-8編碼中只有一個位元組。另外有的字元會佔用更多的位元組。所以這個類並不適用。
正確的方法是用Win32 API的MultiByteToWideChar和WideCharToMultiByte兩個函式，Wide character指的就是Unicode. GBK和UTF-8之間的轉換，需要用Unicode作為橋樑（在這種方法裡）。比如我們要轉換這樣一個字串”編碼 - Google 搜尋”。
從GBK向Unicode轉換
該字串在BSTR型別的變數in中儲存，首先將其轉換為普通的字串：
char *lpszText = _com_util::ConvertBSTRToString(in);
此時，如果用strlen函式取得lpszText的長度，則為18，4個漢字，每個佔兩個位元組，另外有10個英文字元。所以說GBK/GB2312是MultiByte而不是WideChar. 並且有lpszText[0] == 0xb1 && lpszText[1] == 0xe0，在微軟Windows Codepage 936這一頁上查到果然是“編”字，更堅定了我們認為它是GBK的信心。
轉換到Unicode所用的函式是MultiByteToWideChar，第一個引數是MultiByte的
先通過將cchWideChar引數設定為0，取得轉換後需要的空間大小，然後分配空間，再做實際的轉換(轉換時cbMultiByte為-1表示要轉換的字串以0結尾)。程式碼如下：
int wLen = MultiByteToWideChar(CP_ACP, 0, lpszText, -1, NULL, 0);LPWSTR wStr = (LPWSTR)CoTaskMemAlloc(wLen * sizeof(WCHAR));MultiByteToWideChar(CP_ACP, 0, lpszText, -1, wStr, wLen);
wLen是15，注意是指寬字元的個數，很貼心，14個字元，加上末尾的結束符。分配空間的時候也要注意，不是15個位元組，而應該分配30個位元組。這些在MSDN中都有說明，仔細看cchWideChar引數的介紹。最後一行程式碼執行後，wStr中就是這些漢字的Unicode了，檢視一下，wStr[0] == 0×7f16，剛才在微軟Windows Codepage 936查詢時，“編”字的下面標明7f16，就是它的Unicode編碼，說明一切正常。
從Unicode向UTF-8轉換
轉換到Unicode後，就可以使用WideCharToMultiByte函式將其轉換到UTF-8編碼，這次的code page要用CP_UTF8. 和前面的轉換一樣，先計算所需要的空間大小並分配，再做實際轉換。
int aLen = WideCharToMultiByte(CP_UTF8, 0, wStr, -1, NULL, 0, NULL, NULL);char* converted = (char*)CoTaskMemAlloc(aLen);WideCharToMultiByte(CP_UTF8, 0, wStr, -1, converted, aLen, NULL, NULL);
aLen為23，因為4個漢字，每個佔3個位元組，加上10個英文字元（每個佔1位元組），再加末尾的’/0′，正好是23. 現在converted裡就是字串”編碼 - Google 搜尋”的UTF-8編碼。converted[0] == 0xe7 && converted[1] == 0xbc，正是“編”字的UTF-8編碼。
好了，現在終於得到了中英文混合字串的UTF-8位元組序列，可以進行URL編碼(percent encoding)了。
如果你也看了CChineseCode類的程式碼，就會奇怪既然作者知道用WideCharToMultiByte做GB2312到Unicode的轉換，為什麼在UnicodeToUTF_8函式中要捨近求遠呢？