ฟังก์ชัน mbrtowc() ใน C/C++: แปลง Multibyte เป็น Wide Character

mbrtowc() (Multi-Byte to Wide Character) แปลงลำดับ Multibyte Character (เช่น UTF-8) เป็น Wide Character (wchar_t) คืนค่าจำนวน Byte ที่ใช้สำหรับตัวอักษรตัวนั้น

Syntax

size_t mbrtowc(wchar_t* wc, const char* s, size_t max, mbstate_t* ps);


พารามิเตอร์

พารามิเตอร์
คำอธิบาย
wc
Pointer เก็บ Wide Character ผลลัพธ์
s
Pointer ไปยัง Multibyte String Input
max
จำนวน Byte สูงสุดที่ตรวจสอบใน s
ps
Pointer ไปยัง Conversion State (mbstate_t)


ค่าคืน

0: พบ Null Character
1..max: จำนวน Byte ที่ใช้สำหรับตัวอักษรนี้
(size_t)-1: Encoding Error (ตั้งค่า errno = EILSEQ)
(size_t)-2: Incomplete Multibyte Character (ต้องอ่านเพิ่ม)


ตัวอย่าง: แปลง UTF-8 String และแสดง Byte Count ต่อ Character
#include <bits/stdc++.h>
using namespace std;

void display(const char* s) {
    mbstate_t ps = mbstate_t(); // Initial State
    int s_len = strlen(s);
    const char* n = s + s_len;
    int len;
    wchar_t wide_char;
    
    while ((len = mbrtowc(&wide_char, s, n - s, &ps)) > 0) {
        wcout << "The following " << len << " bytes are for the character " 
              << wide_char << '\n';
        s += len; // ขยับไปตัวถัดไป
    }
}

int main() {
    setlocale(LC_ALL, "en_US.utf8"); // ตั้ง Locale สำหรับ UTF-8
    
    // UTF-8 String: 'z' (1 byte), 'Ï' (2 bytes), '簸' (3 bytes), 'क' (3 bytes)
    const char* str = u8"z\u00cf\u7c38\U00000915";
    display(str);
    
    return 0;
}

ผลลัพธ์
The following 1 bytes are for the character z
The following 2 bytes are for the character Ï
The following 3 bytes are for the character 簸
The following 3 bytes are for the character क

การทำงานของ UTF-8 Encoding

Character
Unicode Code Point
UTF-8 Bytes
Byte Count
z
U+007A
0x7A
1
Ï
U+00CF
0xC3 0x8F
2
簸
U+7C38
0xE7 0xB0 0xB8
3
क
U+0915
0xE0 0xA4 0x95
3


ฟังก์ชันเกี่ยวข้อง

wcrtomb(): Wide Char → Multibyte (ทางกลับกัน)
mbsrtowcs(): Multibyte String → Wide String
wcsrtombs(): Wide String → Multibyte String
mbrlen(): ตรวจสอบความยาว Multibyte Char โดยไม่แปลง


ข้อควรระวัง

ต้องเรียก setlocale(LC_ALL, "") หรือ Locale ที่รองรับ UTF-8 ก่อนใช้
mbstate_t ต้อง Initialize เป็น 0 (Zero-initialize) สำหรับ String ใหม่
Stateful: ใช้ ps เดียวกันสำหรับ String เดียวเพื่อรองรับ Stateful Encoding