wchar_t到unsigned char转换

Posted 2021-05-05

我有一个代码实现以下内容：

unsigned char charStr; //this var can only take a value either 0, 1, or 2
WCHAR wcharStr;
...
charStr = wcharStr - '0';
...

我知道在从Unicode（wchar_t数据类型）转换为ANSI（unsigned char）时可能会丢失一些数据（从16位到8位）。但是，有人可以解释为什么减去'0'使这种转换正确吗？

答案

C和C ++语言标准要求从0到9的数字编码是连续的。因此，减去'4' - '0'，例如，将获得4。

wchar_t实际上并不需要这样，但在现实世界中，您的编译器会将其映射到Unicode，Windows上为UTF-16，其他地方为UCS-4。 Unicode的前128个代码点与ASCII相同。您没有在使用非ASCII字符集的现代真实编译器上编译此代码（IBM的Z系列大型机，为了向后兼容而默认为代码页1047），因此您的编译器会转换您的wchar_t和char一些整数类型，可能是32位宽，减去并获得一个数字值。然后它将它存储在unsigned char类型的变量中，这是一个错误，因为它实际上是一个不可打印的控制字符的ASCII值。

此代码不正确。如果你想从wchar_t转换为char，你应该使用STL的codecvt或C标准库中的wcrtomb()。当且仅当可能时，还有一个wctob()转换为单个字节。在使用之前设置您的语言环境。

如果你确定你的wchar_t拥有Unicode，你的unsigned char持有Latin-1，并且你的值在范围内，但是，你可以简单地将wchar_t值转换为(unsigned char)。另一种方法，如果你知道你有一个数字，就是写(charStr - L'0') + '0'。