在 C++ 中获取拉丁字符

Posted 2023-02-17

【中文标题】在 C++ 中获取拉丁字符

【英文标题】：Get Latin Character in C++

【发布时间】：2020-02-18 09:30:15

【问题描述】：

我是 C++ 的菜鸟。我有一个字符串"tỏa"，但我无法获得字符'ỏ'，为什么该字符串的长度是5？如何将该字符作为变量获取？

void test() 
    std::string str ("tỏa");
    for(int i=0; i<str.length(); ++i)
        std::cout << str[i] << std::endl;
    

该代码的输出是：

t
�
�
�
a

有人可以帮助我吗？提前致谢。

【问题讨论】：

您可能已将文件保存为 UTF-8。在这种情况下，中间字符将用几个字节表示，而不仅仅是单个字节。

@Afshin Yeppp，我把它保存在 UTF-8 中，但是我怎样才能得到像 std::string a = str[i] 这样的字符。谢谢你

你需要阅读这个joelonsoftware.com/2003/10/08/…

【参考方案1】：

使用setlocale() 和wstring 的组合：

Link to live sample

#include <clocale>
#include <iostream>


void test() 
    std::wstring str = L"tỏa";
    for(int i=0; i<str.length(); ++i)
        std::wcout << str[i] << std::endl;
    
    std::wcout << "Size: " << str.size(); //the size of the string is 3 as it should


int main()
   
    setlocale(LC_ALL, "");
    test();
    return 0;

编辑：

如果你想将宽字符保存在一个变量中，它很简单：

wchar_t ch = str[1];

您也可以使用 ASCII 码：

wchar_t ch = 7887;

注意： 这可能不适用于所有 SO 中的所有编译器，不能保证 100% 的可移植性。

【讨论】：

谢谢你，但如果我想让那个字符不打印？我该怎么办？

@BuiNgocBao，这就是你的功能。也许你应该澄清你的问题。

感谢您的帮助。我只是想把它作为一个变量在json文件中找到它，比如“int find = char_dict[std::string(1, input_lines[0][1])];”。 * input_lines[0][1] 是那个字符“ỏ”

@BuiNgocBao 您已经拥有正确编码的字符串 int，如果您想使用其中一个字符或子字符串，只需这样做，它就在那里。

你能为我解释更多吗？我是 C++ 的菜鸟。例如 7887 是“ỏ”的字符串 int。如何将 7887 转换为“ỏ”？

【参考方案2】：

您可能已将文件保存为UTF-8。在这种情况下，中间字符将用几个字节表示，而不仅仅是单个字节。所以如果你每行打印 1 个字符，你会看到一些奇怪的字符。

如果你只是删除std::endl，你可能会看到你的字符串。因为在这种情况下，控制台可以将字符串处理为 UTF-8 输出（我认为基于 Linux 的控制台默认会这样做）。

注意： 要处理 UTF-8，您可能需要在代码中添加以下内容：

std::setlocale(LC_ALL, "en_US.UTF-8");

【讨论】：

谢谢你，但如果我想让那个字符不打印？我该怎么办？

【参考方案3】：

std::string 不适合保存大于 1 个字节的字符：在您的情况下为“ỏ”。

"5" 表示字符串的长度（以字节为单位）。因为 std::string 仍然可以存储像你这样的字符串，但很难以这种方式处理字符串。

尝试使用 std::wstring。

您可以在此处阅读有关宽字符的信息：https://en.wikipedia.org/wiki/Wide_character

【讨论】：

谢谢你，但如果我想让那个字符不打印？我该怎么办？

【参考方案4】：

字符 ỏ 是扩展 Ascii 的一部分（请参阅 https://theasciicode.com.ar/extended-ascii-code/letter-o-circumflex-accent-ascii-code-226.html）。

如果您的控制台无法识别 UTF-8，则此类字符（2 个以上字节）将用多个框表示。

您可能想使用std::wstring (http://www.cplusplus.com/reference/string/wstring/) 来解决这个问题。

【讨论】：

谢谢你，但如果我想让那个字符不打印？我该怎么办？

普租。没有“扩展ASCII”之类的东西。不要相信您在互联网上找到的每一个两位站点。

@n.'pronouns'm。 “没有扩展的 ASCII 之类的东西”并不正确。更重要的是，它是人们映射到 8 位字符的高 128 位代码的所有不同编码的一个包罗万象的术语。但话虽如此，我同意任何声称“扩展 ASCII”中的字符存在一个单一答案的网站都不值得一看。我的意思是：在他们自己的历史部分中，他们写道，他们列出的另一个名称是“代码页 437”，好像这并不是暗示存在多个编码。

@Frodyne 如果所讨论的符号确实是“带抑扬符的字母 o”和/或属于那些 8 位“扩展 ASCII”代码页中的任何一个，那只会是半坏的。不是，也不是。这是术语“扩展 ASCII”具有误导性和有害性的一个例子。