C/C++のmbrtowc()関数とは？マルチバイト文字列をワイド文字に変換する方法

mbrtowc()関数は、マルチバイト文字列（マルチバイトシーケンス）をワイド文字に変換するための標準ライブラリ関数です。「mbrtowc」は「multibyte restartable to wide character」の略で、名前の通り変換状態（mbstate_t）を保持しながら再開可能な変換を行える点が特徴です。

この関数は、変換に成功すると入力から消費したマルチバイト文字のバイト数を戻り値として返します。構文は以下の通りです。

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

引数の説明

• wc：変換結果のワイド文字を格納する場所へのポインタです。
• s：入力となるマルチバイト文字列へのポインタです。
• max：s 内で調べることができる最大バイト数です。
• ps：マルチバイト文字列を解釈する際の変換状態（conversion state）を指すポインタです。

使用例

以下のサンプルコードでは、UTF-8エンコーディングの文字列を1文字ずつワイド文字に変換し、各文字が何バイトで構成されているかを出力しています。

#include <bits/stdc++.h>
using namespace std;

void display(const char* s) {
    mbstate_t ps = mbstate_t(); // 初期状態
    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 << "次の " << len << " バイトは文字 " << wide_char << " に対応しています\n";
        s += len;
    }
}

main() {
    setlocale(LC_ALL, "en_US.utf8");
    const char* str = u8"z\u00cf\u7c38\U00000915";
    display(str);
}

実行結果

次の 1 バイトは文字 z に対応しています
次の 2 バイトは文字 Ï に対応しています
次の 3 バイトは文字 簸 に対応しています
次の 3 バイトは文字 क に対応しています

ポイントまとめ

• mbrtowc() は1回の呼び出しで1文字分だけ変換するため、ループ処理と組み合わせて文字列全体を変換します。
• 戻り値が (size_t)-2 の場合は不完全なマルチバイトシーケンスであることを示し、(size_t)-1 の場合は不正なシーケンスを意味します。
• ロケール設定（setlocale）によってマルチバイトエンコーディングの解釈が変わるため、事前に適切なロケールを設定しておくことが重要です。