Question

我尝试将UTF-8 string转换为ISO-8859-1 char*，以便在遗留代码中使用。我实现这一目标的唯一方法是使用iconv。

我肯定更喜欢完全基于string的C ++解决方案，然后只在结果字符串上调用.c_str()。

我该怎么做？请尽可能使用代码示例。如果它是您知道的唯一解决方案，我可以使用iconv。

Answer 1

我将修改我的代码from another answer以实施Alf的建议。

std::string UTF8toISO8859_1(const char * in)
{
    std::string out;
    if (in == NULL)
        return out;

    unsigned int codepoint;
    while (*in != 0)
    {
        unsigned char ch = static_cast<unsigned char>(*in);
        if (ch <= 0x7f)
            codepoint = ch;
        else if (ch <= 0xbf)
            codepoint = (codepoint << 6) | (ch & 0x3f);
        else if (ch <= 0xdf)
            codepoint = ch & 0x1f;
        else if (ch <= 0xef)
            codepoint = ch & 0x0f;
        else
            codepoint = ch & 0x07;
        ++in;
        if (((*in & 0xc0) != 0x80) && (codepoint <= 0x10ffff))
        {
            if (codepoint <= 255)
            {
                out.append(1, static_cast<char>(codepoint));
            }
            else
            {
                // do whatever you want for out-of-bounds characters
            }
        }
    }
    return out;
}

无效的UTF-8输入会导致字符丢失。

Answer 2

首先将UTF-8转换为32位Unicode。

然后保留0到255范围内的值。

这些是Latin-1代码点，对于其他值，决定是将其视为错误还是替换为代码点127（my fav，ASCII“del”）或问号等。

C ++标准库定义了可以使用的std::codecvt特化，

template<>
codecvt<char32_t, char, mbstate_t>

C ++11§22.4.1.4/ 3 ：“专业化codecvt <char32_t, char, mbstate_t>在UTF-32和 UTF-8编码方案“

Answer 3

Alfs建议在C ++ 11中实现

#include <string>
#include <codecvt>
#include <algorithm>
#include <iterator>
auto i = u8"H€llo Wørld";
std::wstring_convert<std::codecvt_utf8<wchar_t>> utf8;
auto wide = utf8.from_bytes(i);
std::string out;
out.reserve(wide.length());
std::transform(wide.cbegin(), wide.cend(), std::back_inserter(out),
           [](const wchar_t c) { return (c <= 255) ? c : '?'; });
// out now contains "H?llo W\xf8rld"

将字符串从UTF-8转换为ISO-8859-1

3 个答案: