Question

我一直在使用下面的函数将unicode字符的十进制表示转换为C ++中的UTF8字符本身。我目前的功能在Linux / Unix系统上运行良好，但它在Windows上不断返回错误的字符。

void GetUnicodeChar(unsigned int code, char chars[5]) {
    if (code <= 0x7F) {
        chars[0] = (code & 0x7F); chars[1] = '\0';
    } else if (code <= 0x7FF) {
        // one continuation byte
        chars[1] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[0] = 0xC0 | (code & 0x1F); chars[2] = '\0';
    } else if (code <= 0xFFFF) {
        // two continuation bytes
        chars[2] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[1] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[0] = 0xE0 | (code & 0xF); chars[3] = '\0';
    } else if (code <= 0x10FFFF) {
        // three continuation bytes
        chars[3] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[2] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[1] = 0x80 | (code & 0x3F); code = (code >> 6);
        chars[0] = 0xF0 | (code & 0x7); chars[4] = '\0';
    } else {
        // unicode replacement character
        chars[2] = 0xEF; chars[1] = 0xBF; chars[0] = 0xBD;
        chars[3] = '\0';
    }
}

任何人都可以为我正在使用的当前功能提供替代功能或修复程序吗？

- UPDATE -

INPUT: 225
OUTPUT ON OSX: á
OUTPUT ON WINDOWS: ├í

Answer 1

您不会显示打印代码，但可能您正在执行以下操作：

char s[5];
GetUnicodeChar(225, s);
std::cout << s << '\n';

您在OS X上获得正常输出和Windows上输出错误的原因是因为OS X使用UTF-8作为默认编码，而Windows使用一些传统编码。因此，当您在OS X上输出UTF-8时，OS X会（正确地）假设它是UTF-8并显示它。当您在Windows上输出UTF-8时，Windows会（错误地）假定它是其他编码。

您可以使用iconv程序在终端.app中使用以下命令模拟OS X上的问题

iconv -f cp437 -t utf8 <<< "á"

这将获取UTF-8字符串，将其重新解释为使用Windows代码页437编码的字符串，并将其转换为UTF-8进行显示。 OS X上的输出为├í。

为了测试小东西，您可以执行以下操作以在Windows上正确显示UTF-8数据。

#include <Wincon.h>

#include <cstdio>

char s[5];
GetUnicodeChar(225, s);

SetConsoleOutputCP(CP_UTF8);
std::printf("%s\n", s);

此外，Windows的部分标准库实现不支持UTF-8的输出，因此即使更改输出编码代码（如std::cout << s之后仍然无效）。

在旁注中，将数组作为参数如下：

void GetUnicodeChar(unsigned int code, char chars[5]) {

是一个坏主意。这不会发现错误，例如：

char *s; GetUnicodeChar(225, s);
char s[1]; GetUnicodeChar(225, s);

您可以通过更改函数来引用数组来避免这些特定问题：

void GetUnicodeChar(unsigned int code, char (&chars)[5]) {

但总的来说，我建议完全避免使用原始数组。如果你真的想要一个数组，可以使用std::array。如果你想要文本，你可以使用std::string，这里IMO是个不错的选择：

std::string GetUnicodeChar(unsigned int code);

Answer 2

功能正确。输出大概不是，这意味着该例程中存在一个错误。但是你没有表现出来。我打赌你假设Windows可以打印UTF-8。

C ++ Windows十进制到UTF-8字符转换

2 个答案: