我正在尝试使用 C++11 中的 std::locale 机制来计算不同语言的单词。具体来说，我有 std::wstringstream ，其中包含着名的俄罗斯小说的标题(英文为“犯罪与惩罚”)。我想要做的是使用适当的语言环境(ru_RU.utf8 在我的 Linux 机器上)来读取字符串流，计算单词并打印结果。我还应该注意到我的系统设置为使用 en_US.utf8 语言环境。

想要的结果是这样的:

0: "Преступление"
1: "и"
2: "наказание"

I counted 3 words.
and the last word was "наказание"

当我设置全局语言环境时，这一切都有效，但当我尝试 imbue wcout 流时却不行。当我尝试这样做时，我得到了这个结果:

0: "????????????"
1: "?"
2: "?????????"

I counted 3 words.
and the last word was "?????????"

另外，当我尝试使用评论中建议的解决方案时，(可以通过将 #define USE_CODECVT 0 更改为 #define USE_CODECVT 1 来激活)我得到this other question中提到的错误.

有兴趣尝试代码或编译器设置或两者的人可能希望使用 this live code .

我的问题

1. 为什么这不起作用？是不是因为 wcout 已经打开了？
2. 有没有办法使用 imbue 而不是设置全局语言环境来做我想做的事？

如果有什么不同，我使用的是 g++ 4.8.3。完整代码如下所示。

getwords.cpp

#include <iostream>
#include <fstream>
#include <sstream>
#include <string>
#include <locale>

#define USE_CODECVT 0
#define USE_IMBUE   1

#if USE_CODECVT
#include <codecvt>
#endif 
using namespace std;

int main()
{
#if USE_CODECVT
    locale ru("ru_RU.utf8", 
        new codecvt_utf8<wchar_t, 0x10ffff, consume_header>{});
#else
    locale ru("ru_RU.utf8");
#endif
#if USE_IMBUE
    wcout.imbue(ru);
#else
    locale::global(ru);
#endif
    wstringstream in{L"Преступление и наказание"};
    in.imbue(ru);
    wstring word;
    unsigned wordcount = 0;
    while (in >> word) {
        wcout << wordcount << ": \"" << word << "\"\n";
        ++wordcount;
    }
    wcout << "\nI counted " << wordcount << " words.\n"
        << "and the last word was \"" << word << "\"\n";
}

最佳答案

首先，我使用您的代码进行了更多测试，我可以确认 L"Преступление и наказание" 是正确的 UTF16 字符串。我控制了各个字符的代码，它们是正确的 0x41f, 0x440, 0x435, 0x441, 0x442, 0x443, 0x43f, 0x43b, 0x435, 0x43d, 0x438, 0x435, 0x20, 0x438, 0x20, 0x43d, 0, 0x43a、0x430、0x437、0x430、0x43d、0x438、0x435

我找不到任何关于它的引用资料，但看起来简单地调用 imbue 是不够的。 imbue 它是 basic_ios 的一个方法，它是 cout 和 wcout 的祖先。它确实作用于数字转换，但在我所有的测试中，它对用于输出的字符集没有影响。

默认情况下，在 C++(或 C)程序中使用的语言环境是 ... C 语言环境，它对 unicode 一无所知。所有可打印的 ASCII 字符(128 以下)都按原样输出，其他的则替换为 ?。这正是您的程序所做的。

要使其正常工作，您必须使用 setlocale 选择了解 unicode 字符的语言环境。完成此操作后，您可以通过调用 imbue 更改数字转换，并且当您选择一个 unicode 字符集时一切都会好起来的。

因此，如果您当前的语言环境使用 UTF-8 字符集，您只需添加

setlocale(LC_ALL, "");

作为程序的第一行，输出将如预期:

0: "Преступление"
1: "и"
2: "наказание"

I counted 3 words.
and the last word was "наказание"

如果您当前的语言环境不使用 UTF-8，请选择一个安装在您的系统上并支持它的语言环境。我使用了 setlocale(LC_ALL, "fr_FR.UTF-8");，甚至是 setlocale(LC_ALL, "en_US.UTF-8"); 并且都有效。

编辑:

事实上，正确输出 unicode 到屏幕的最好方法是使用 setlocale(LC_ALL, "");。它会自动适应当前的字符集。我使用 Latin1 字符集测试了一个精简的变体(我的系统说法语而不是俄语......)

#include <iostream>
#include <locale>

using namespace std;

int main() {
    setlocale(LC_ALL, "");
    wchar_t ws[] = { 0xe8, 0xe9, 0 };

    wcout << ws << endl;
}

我在 Linux 下使用 UTF-8 字符集和 ISO-8859-1 (latin1)(分别是 export LANG=fr_FR.UTF-8 和 export LANG=fr_FR.ISO- 8859-1) 并且我在正确的字符集中得到了正确的 èé。我也在 Windows XP 下尝试过，代码页为 851 (oem) 和 1252 (ansi)(分别是 chcp 850 和 chcp 1252 与 Lucida 控制台字符集)，并得到了 èé 也在控制台上。

编辑 2:

当然，您也可以使用 locale::global(locale(""); 和默认语言环境或 locale::global(locale("ru_RU. UTF-8"); 与俄罗斯语言环境，但它不仅仅是调用 setlocale。根据关于 locale 的 C++ 标准库的 Gnu 实现文档:那里只是(C++ 语言环境机制的)与 C 语言环境机制的一种关系:如果将命名的 C++ 语言环境对象设置为全局语言环境，则修改全局 C 语言环境”，即:std::locale::global (std::locale("")); 影响 C 函数，就好像进行了以下调用:std::setlocale(LC_ALL, "");。另一方面, 反之亦然，即调用 setlocale 对 C++ 语言环境机制没有任何影响，尤其是对 locale("") 的工作。

所以看起来确实有一个底层 C 库机制，应该首先使用 setlocale 启用，以允许 imbue 转换正常工作。

关于c++ - 如何使用 std::imbue 设置 std::wcout 的语言环境？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26387054/