如何在 C++11 中将 std::string 转换为 std::u32string?
Posted
技术标签:
【中文标题】如何在 C++11 中将 std::string 转换为 std::u32string?【英文标题】:How to convert std::string to std::u32string in C++11? 【发布时间】:2020-02-08 13:48:46 【问题描述】:我正在使用 C++11 中的 Unicode,我现在无法将 std::string 转换为 std::u32string。
我的代码如下:
#include <iostream>
#include <string>
#include <locale>
#include "unicode/unistr.h"
#include "unicode/ustream.h"
int main()
constexpr char locale_name[] = "";
setlocale( LC_ALL, locale_name );
std::locale::global(std::locale(locale_name));
std::ios_base::sync_with_stdio(false);
std::wcin.imbue(std::locale());
std::wcout.imbue(std::locale());
std::string str="hello☺????";
std::u32string s(str.begin(),str.end());
icu::UnicodeString ustr = icu::UnicodeString::fromUTF32(reinterpret_cast<const UChar32 *>(s.c_str()), s.size());
std::cout << "Unicode string is: " << ustr << std::endl;
std::cout << "Size of unicode string = " << ustr.countChar32() << std::endl;
std::cout << "Individual characters of the string are:" << std::endl;
for(int i=0; i < ustr.countChar32(); i++)
std::cout << icu::UnicodeString(ustr.char32At(i)) << std::endl;
return 0;
执行时的输出是:(这不是预期的)
Unicode string is: hello�������
Size of unicode string = 12
Individual characters of the string are:
h
e
l
l
o
�
�
�
�
�
�
�
请建议是否存在为此的任何 ICU 库函数
【问题讨论】:
使用 UTF-32 有什么意义吗? 既然有一个fromUTF32
函数,那么在某个地方也应该有一个toUTF32
。这是您将std::string
转换为std::u3string
所需要的。将 std::string
的每个字符复制到 std::u32string
中的每个 unicode 值不会完成任何有用的操作。
你可以在下面的帖子中调整widen
函数来做你想做的事:***.com/questions/51210723/how-to-detect-â€-combination-of-unicode-in-c-string/51212415#51212415
ICU 使用 UTF-16 表示。 str
在您的示例中不是 UTF-32 编码的。为什么又要在任一方向使用 UTF-32? str
很可能是 UTF-8 格式,而您想要 UnicodeString::fromUTF8
@dashthird 今天没有人使用 UTF-32。如果在操作系统中,请使用 UTF-16。如果在 Web 中,请使用 UTF-8。您极不可能遇到 BMP 之外的某些字符,因此 UTF-16 就不够用了。
【参考方案1】:
输出是有意义的。大概您认为您正在定义一个包含 7 个字符的字符串?看看str.size()
。你定义了一个 12 个字符的字符串!
即使您可以在程序中输入"hello☺?"
,这个字符串文字也不只包含七个字节。最后两个字符中的每一个都被扩展为多个字节,因为这些字符超出了扩展的 ASCII 范围(0 到 255 或 -128 到 127)。结果是一个 12 字节的字符串文字,它初始化了一个 12 字符的 string
,而后者又初始化了一个 12 字符的 u32string
。你已经破坏了你想要代表的角色。
示例: 字符 '☺'
表示为三个字节 \0xE2\0x98\0xBA
。如果char
在您的系统上签名(很可能),这三个字节的值将是 -30、-104 和 -70。转换为char32_t
会将这些值中的每一个提升为 32 位,然后将有符号转换为无符号,从而产生三个值 4294967266
、4294967192
和 4294967226
。您可能想要的是将这些字节连接到单个 char32_t
值 \0x00E298BA
中。但是,您的转换不提供(重新)组合字节的机制。
同样,字符'?'
由四个字节\0xF0\0x9F\0x98\0x86
表示。这些被转换为四个 32 位整数,而不是单个值 \0xF09F9886
。
要获得您想要的结果,您需要告诉编译器将您的字符串文字解释为 7 个字符。尝试以下初始化s
:
std::u32string s = U"hello☺?";
字符串文字上的U
前缀告诉编译器每个字符代表一个UTF-32 字符。这会产生所需的 7 个字符的字符串(假设您的编译器和编辑器同意字符编码,我认为这很有可能)。
免费调试要点:当你的输出不是你所期望的,检查每个阶段的数据以确保你的输入是你所期望的。
【讨论】:
你说The U prefix on the string literal tells the compiler that each character represents a UTF-32 character.
我需要输入字符串怎么办?如果我替换 ``` std::string str="hello☺?"; std::u32string s(str.begin(),str.end());``` 与std::u32string s; std::cin >> s;
我得到错误error: cannot bind ‘std::istream aka std::basic_istream<char>’ lvalue to ‘std::basic_istream<char>&&’ std::cin >> s;
@dashthird "如果我需要输入字符串怎么办?" -- 也许问题中应该提到这一点?同样相关的是输入是来自流还是来自 API,因为最好的答案是使用 U
前缀:开始尽可能接近所需的格式。对于控制台输入,请使用std::wcin
和ICU 的wchar_t
支持或std::cin
和u32string conversion from string。【参考方案2】:
感谢大家的帮助!
使用这两个链接,我能够找到一些相关的功能:
https://en.cppreference.com/w/cpp/string/multibyte/mbrtoc32
How to convert a Unicode code point to characters in C++ using ICU?
我尝试使用codecvt
函数,但出现错误:
fatal error: codecvt: No such file or directory
#include <codecvt>
^
compilation terminated.
所以,我跳过了那个 & 在进一步搜索中,我发现 mbrtoc32()
函数有效:)
这是工作代码:
#include <iostream>
#include <string>
#include <locale>
#include "unicode/unistr.h"
#include "unicode/ustream.h"
#include <cassert>
#include <cwchar>
#include <uchar.h>
int main()
constexpr char locale_name[] = "";
setlocale( LC_ALL, locale_name );
std::locale::global(std::locale(locale_name));
std::ios_base::sync_with_stdio(false);
std::wcin.imbue(std::locale());
std::wcout.imbue(std::locale());
std::string str;
std::cin >> str;
//For example, the input string is "hello☺?"
std::mbstate_t state; // zero-initialized to initial state
char32_t c32;
const char *ptr = str.c_str(), *end = str.c_str() + str.size() + 1;
icu::UnicodeString ustr;
while(std::size_t rc = mbrtoc32(&c32, ptr, end - ptr, &state))
icu::UnicodeString temp((UChar32)c32);
ustr+=temp;
assert(rc != (std::size_t)-3); // no surrogates in UTF-32
if(rc == (std::size_t)-1) break;
if(rc == (std::size_t)-2) break;
ptr+=rc;
std::cout << "Unicode string is: " << ustr << std::endl;
std::cout << "Size of unicode string = " << ustr.countChar32() << std::endl;
std::cout << "Individual characters of the string are:" << std::endl;
for(int i=0; i < ustr.countChar32(); i++)
std::cout << icu::UnicodeString(ustr.char32At(i)) << std::endl;
return 0;
输入hello☺?
的输出与预期一致:
Unicode string is: hello☺?
Size of unicode string = 7
Individual characters of the string are:
h
e
l
l
o
☺
?
【讨论】:
以上是关于如何在 C++11 中将 std::string 转换为 std::u32string?的主要内容,如果未能解决你的问题,请参考以下文章
如何在 C++17 中将 std::string 转换为 std::vector<std::byte>?