草庐IT

c++ - 使用C/C++转义unicode字符

coder 2024-02-08 原文

我需要将输入字符串中的Unicode字符转义为UTF-16或UTF-32转义序列。例如，输入字符串文字"Eat, drink, 愛"应该转为"Eat, drink, \u611b"。以下是排序表中的规则:

Escape | Unicode code point

'\u' HEX HEX HEX HEX | A Unicode code point in the range U+0 to U+FFFF inclusive corresponding to the encoded hexadecimal value.

'\U' HEX HEX HEX HEX HEX HEX HEX HEX | A Unicode code point in the range U+0 to U+10FFFF inclusive corresponding to the encoded hexadecimal value.



通常，检测Unicode字符很简单，因为如果ASCII，第二个字节为0:
L"a" = 97, 0

，这将无法逃脱。使用Unicode字符时，第二个字节永远不会为0:
L"愛" = 27, 97

，以\u611b进行转义。但是，如何检测UTF-32字符串，因为它与8个十六进制数字的UTF-16的逃逸方式不同？

它不像检查字符串的大小那样简单，因为UTF-16字符是多字节的，例如:
L"प्रे" = 42, 9, 77, 9, 48, 9, 71, 9

我的任务是转义诸如Eat, drink, 愛之类的未转义的输入字符串文字，并将其以转义的文字形式Eat, drink, \u611b(UTF-16示例)存储到磁盘中。如果我的程序找到UTF-32字符，它也应以\U8902611b形式(UTF- 32个示例)，但我找不到某种确定方式来知道我正在处理输入字节数组中的UTF-16还是UTF-32。因此，如何才能可靠地将wchar_t字符串或字节数组中的UTF-32字符与UTF-16字符区分开？

最佳答案

您的问题中有很多问题，我将尽力回答最重要的问题。

问:我有一个像"Eat, drink, 愛"这样的C++字符串，它是UT8-8，UTF-16还是UTF-32字符串？
答:这是实现定义的。在许多实现中，这将是UTF-8字符串，但这不是标准要求的。请查阅您的文档。

问:我有一个很宽的C++字符串，例如L"Eat, drink, 愛"，它是UT8-8，UTF-16还是UTF-32字符串？
答:这是实现定义的。在许多实现中，这将是UTF-32字符串。在其他一些实现中，它将是UTF-16字符串。该标准均未强制要求。请查阅您的文档。

问:如何获得可移植的UT8-8，UTF-16或UTF-32 C++字符串文字？
答:在C++ 11中，有一种方法:

u8"I'm a UTF-8 string."
u"I'm a UTF-16 string."
U"I'm a UTF-32 string."

在C++ 03中，没有这种运气。

问:字符串"Eat, drink, 愛"是否至少包含一个UTF-32字符？
答:没有诸如UTF-32(以及UTF-16和UTF-8)这样的字符。有UTF-32等字符串。它们都包含Unicode字符。

问:什么是Unicode字符？
答:它是Unicode标准定义的编码字符集的元素。在C++程序中，它可以用各种方式表示，最简单明了的方法是使用与字符代码点相对应的单个32位整数值。 (为简单起见，除非另有说明，否则我在这里忽略了复合字符，将“字符”和“代码点”等同起来)。

问:给定Unicode字符，我该如何转义？
A.检查其值(value)。如果介于256和65535之间，请打印2字节(4个十六进制数字)的转义序列。如果大于65535，请打印一个3字节(6个十六进制数字)的转义序列。否则，请照常打印。

问:给定UTF-32编码的字符串，如何将其分解为字符？
答:字符串的每个元素(称为代码单元)都对应一个字符(代码点)。只要一一拿走。不需要做任何特殊的事情。

问:给定UTF-16编码的字符串，如何将其分解为字符？
A. 0xD800到0xDFFF范围之外的值(代码单位)对应于具有相同值的Unicode字符。对于每个这样的值，请打印一个正常字符或一个2字节(4个十六进制数字)的转义序列。 0xD800至0xDFFF范围内的值成对分组，每对代表U + 10000至U + 10FFFF范围内的单个字符(代码点)。对于这样的一对，打印一个3字节(6个十六进制数字)的转义序列。要将一对(v1，v2)转换为其字符值，请使用以下公式:
c = (v1 - 0xd800) >> 10 + (v2-0xdc00)

请注意，该对中的第一个元素必须在0xd800..0xdbff的范围内，而第二个元素必须在0xdc00..0xdfff的范围内，否则该对的格式不正确。

问:给定UTF-8编码的字符串，如何将其分解为字符？
答:UTF-8编码比UTF-16编码要复杂一些，在此不再赘述。在网上有很多描述和示例实现，请查找它们。

问:我的 L“प्रे” 字符串怎么办？
答:它是一个复合字符，由四个Unicode代码点U + 092A，U + 094D，U + 0930，U + 0947组成。请注意，这与以代理对表示的高码点不同，答案中的UTF-16部分对此进行了详细说明。这是“字符”与“代码点”不同的情况。分别转义每个代码点。在此抽象级别上，您正在处理代码点，而不是实际字符。例如，当为用户显示它们，或计算它们在打印文本中的位置，但处理字符串编码时不显示。

关于c++ - 使用C/C++转义unicode字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/23843749/

amp43strongcodeUTFc++unicodeutf-16utf-32

有关c++ - 使用C/C++转义unicode字符的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  3. Ruby 解析字符串 - 2

    我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么？我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等，你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算，还是有更好的方法？也许为此目的准备了一个开箱即用的库？

  4. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  5. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  6. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  7. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  8. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  9. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  10. ruby-on-rails - unicode 字符串的长度 - 2

    在我的Rails(2.3，Ruby1.8.7)应用程序中，我需要将字符串截断到一定长度。该字符串是unicode，在控制台中运行测试时，例如'א'.length，我意识到返回了双倍长度。我想要一个与编码无关的长度，以便对unicode字符串或latin1编码字符串进行相同的截断。我已经了解了Ruby的大部分unicode资料，但仍然有些一头雾水。应该如何解决这个问题？ 最佳答案 Rails有一个返回多字节字符的mb_chars方法。试试unicode_string.mb_chars.slice(0,50)

随机推荐