iostreams - 将 `wchar_t` 或 `charXX_t` 值打印为字符

Posted 2023-02-14

【中文标题】iostreams - 将 `wchar_t` 或 `charXX_t` 值打印为字符

【英文标题】：iostreams - Print `wchar_t` or `charXX_t` value as a character

【发布时间】：2017-04-27 17:18:30

【问题描述】：

如果您将 wchar_t、char16_t 或 char32_t 值提供给窄 ostream，它将打印代码点的数值。

#include <iostream>
using std::cout;
int main()

    cout << 'x' << L'x' << u'x' << U'x' << '\n';

打印x120120120。这是因为basic_ostream 与其charT 的特定组合有一个operator<<，但其他字符类型没有类似的运算符，因此它们被静默转换为int 并以这种方式打印。类似地，非窄字符串文字（L"x"、u"x"、U"X"）将被静默转换为void*并打印为指针值，非窄字符串objects（@ 987654338@, u16string, u32string) 甚至无法编译。

所以，问题是：在狭窄的 ostream 上打印wchar_t、char16_t 或 char32_t 值的最不可怕的方法是，作为字符，而不是作为代码点的数值？它应该正确地将在 ostream 的编码中可表示的 所有 个代码点转换为该编码，并在代码点不可表示时报告错误。 （例如，给定u'…' 和一个UTF-8 ostream，应该将三字节序列0xE2 0x80 0xA6 写入流；但给定u'â' 和一个KOI8-R ostream，应该报告错误。）

同样，如何在窄流上打印非窄 C 字符串或字符串对象，转换为输出编码？

如果这不能在 ISO C++11 中完成，我将采用特定于平台的答案。

（灵感来自this question。）

【问题讨论】：

简而言之，您必须 1) 使用宽 ostream，或 2) 自己将宽字符数据转换为窄编码（这可能是有损转换）。 ostream 无法为您进行转换。查看std::wstring_convert，或使用ICONV 或ICU 之类的库。

【参考方案1】：

正如您所指出的，狭窄的 ostream 没有 operator<<(std::ostream&, const wchar_t)。但是，如果您想使用该语法，您可以教 ostream 如何处理 wchars，以便选择该例程作为比需要先转换为整数的例程更好的重载。

如果您喜欢冒险：

namespace std 
  ostream& operator<< (ostream& os, wchar_t wc) 
    if(unsigned(wc) < 256) // or another upper bound
      return os << (unsigned char)wc;
    else
      throw your_favourite_exception; // or handle the error in some other way
  

否则，请创建一个简单的 struct，它透明地包含 wchar_t 并具有自定义 friend operator<<，并在输出之前将宽字符转换为该字符。

编辑：要在区域设置之间进行即时转换，您可以使用<cwchar> 中的函数，例如：

ostream& operator<< (ostream& os, wchar_t wc) 
    std::mbstate_t state;
    std::string mb(MB_CUR_MAX, '\0');
    size_t ret = std::wcrtomb(&mb[0], wc, &state);
    if(ret == static_cast<std::size_t>(-1))
        deal_with_the_error();
    return os << mb;

不要忘记将您的语言环境设置为系统默认设置：

std::locale::global(std::locale(""));
std::cout << L'ŭ';

【讨论】：

这不会将值转换为窄输出编码。这是必不可少的，也是我不知道该怎么做的部分。

@zwol 如果宽字符在 ASCII 范围内则接受它并拒绝它，您还想如何转换它？然后，您需要具体，例如，删除重音或其他内容。

你的例子使用了一个'x'来传递这个（对于L'x'，你需要对其他类型做同样的事情）所以我认为这就是你所追求的。跨度>

当窄输出编码为 UTF-8 时，应该将 L"…" 转换为三字节序列 0xE2 0x80 0xA6。

我认为很明显，我想要能够处理窄输出编码支持的所有个字符，而不仅仅是ASCII。