将主机字符编码中的字符串转换为C中的Unicode

Question

有没有一种方法可移植 （即符合C标准）将主机字符编码中的字符串转换为Unicode代码点数组？ 我正在使用某些数据序列化软件，但遇到了一个问题，因为尽管我需要通过电线发送UTF-8，但C标准不能保证ASCII编码，因此需要将字符串转换为主机字符编码可能是一项艰巨的任务。

是否有图书馆为我处理此类事情？ C标准库中是否隐藏了可以执行以下操作的函数？

Answer 1

C11标准ISO / IEC 9899：2011具有一个新的标头<uchar.h>其中包含一些基本功能来提供帮助。 §7.28Unicode实用程序<uchar.h>对此进行了描述。

定义了两对函数：

• c16rtomb()和mbrtoc16() —使用类型char16_t aka uint_least16_t 。
• c32rtomb()和mbrtoc32() —使用类型char32_t aka uint_least32_t 。

名称中的r表示“可重启”； 这些功能旨在迭代调用。 mbrtoc{16,32}()对从多字节代码集（因此为mb ）转换为char16_t或char32_t 。 c{16,32}rtomb()对从char16_t或char32_t转换为多字节字符序列。

我不确定他们是否会做你想要的。 该<uchar.h>头，因此功能不可用在Mac OS X 10.9.1与无论是苹果提供的clang或用“自制” GCC 4.8.2，所以我不会有机会调查他们。 标头确实在带有GCC 4.8.1的Linux（Ubuntu 13.10）上可用。

我认为ICU可能是一个更好的选择-但是，它是一个相当大的库（但这是因为它在支持通用Unicode和通用不同语言环境方面做得很透彻）。