Hàm mbrtowc() trong C/C++ - Chuyển đổi đa byte sang ký tự rộng

Hàm mbrtowc() (Multibyte to Wide Character) chuyển đổi một chuỗi đa byte (multibyte string, thường là UTF-8) thành ký tự rộng (wchar_t). Đây là hàm an toàn, hỗ trợ trạng thái chuyển đổi (state-dependent encoding).

Chữ ký hàm

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

Tham số

Tham số	Ý nghĩa
`wc`	Con trỏ lưu ký tự rộng kết quả (có thể NULL để chỉ đếm byte).
`s`	Con trỏ đến chuỗi đa byte đầu vào.
`n`	Số byte tối đa kiểm tra từ `s`.
`ps`	Con trỏ trạng thái chuyển đổi (`mbstate_t`), dùng cho encoding có trạng thái. Truyền NULL để dùng trạng thái nội bộ tĩnh.

Giá trị trả về

0: Ký tự null (chuỗi kết thúc).
1..n: Số byte đã tiêu thụ để tạo ký tự rộng.
(size_t)(-1): Lỗi encoding (dãy byte không hợp lệ), đặt errno = EILSEQ.
(size_t)(-2): Chuỗi không đầy đủ (cần thêm byte), chuyển đổi chưa hoàn tất.

Ví dụ: Phân tích chuỗi UTF-8

#include <bits/stdc++.h> // GCC/Clang: bao gồm tất cả header chuẩn
#include <wchar.h>
#include <locale.h>

using namespace std;

void display(const char* s) {
    mbstate_t ps = {};        // Trạng thái ban đầu (zero-initialized)
    size_t len = strlen(s);
    const char* end = s + len;
    wchar_t wc;
    size_t rc;

    while ((rc = mbrtowc(&wc, s, end - s, &ps)) > 0) {
        wcout << L"Ky tu: " << wc << L", so byte: " << rc << L'\n';
        s += rc; // Tiến con trỏ
    }
    
    if (rc == (size_t)(-1)) wcout << L"Loi encoding!\n";
    else if (rc == (size_t)(-2)) wcout << L"Chuoi khong day du!\n";
}

int main() {
    // Thiết lập locale hỗ trợ UTF-8
    setlocale(LC_ALL, "en_US.utf8");
    
    // Chuỗi UTF-8: 'z' (1 byte), 'Ï' (2 byte), '簸' (3 byte), 'क' (3 byte)
    const char* str = u8"z\u00cf\u7c38\U00000915";
    
    display(str);
    return 0;
}

Kết quả

Ky tu: z, so byte: 1
Ky tu: Ï, so byte: 2
Ky tu: 簸, so byte: 3
Ky tu: क, so byte: 3

Lưu ý quan trọng

Luôn gọi setlocale(LC_ALL, "") hoặc locale cụ thể (UTF-8) trước khi dùng hàm wide-char.
mbstate_t ps = {}; khởi tạo trạng thái zero (an toàn).
Dùng wcout để in wchar_t; cần <iostream> và locale.
Để chuyển ngược (wide → multibyte), dùng wcrtomb().
C++11 cung cấp std::wstring_convert và std::codecvt (deprecated C++17), hiện nay khuyên dùng ICU hoặc std::from_chars/to_chars (chỉ số nguyên).

mbrtowc là công cụ cơ bản để xử lý Unicode trong C/C++ chuẩn, đặc biệt khi không thể dùng thư viện bên thứ ba.