强制wchar_t为4个字节

Question

实际问题-我正在研究一个可以在2个单独的硬件平台上运行的小应用程序。

编译方法及其配置由我定义和控制。

我的应用程序收到UTF-8 / ISO-8859文本，并且应该对字符串执行一些基本操作（复制，搜索等）。

问题是，一个编译器是GCC（sizeof（wchar_t）== 4），而另一个是Mingw（sizeof（wchar_t）== 2）。

为了支持所有UTF-8可能性，我认为代码中wchar_t中的“ typedef”类型为uint32_t，因此将迫使Mingw编译器在同一行上，并覆盖所有UTF-8选项。

然后，我打算使用标准库（mbstowcs，wcscmp，wcscpy等）提供的宽字符操作功能。

问题是，是否会“迫使”编译器使用更多空间，可能会对库功能产生一些不良影响（除了性能）（更改后mbtowcs甚至可以在这里工作吗？）

我尝试使用ICU，但这是一个非常大的库，因此无法达成协议。 我需要它小巧可靠。

谢谢

Answer 1

这是用于字符串操作的选项：

1. 使用unsigned char （或char ）和UTF-8。 所有常规的字符串操作函数均起作用（例如strlen() ， strstr() ， snprintf()等）。

2. 在不同的平台上使用wchar_t并使用不同的编码（Win32使用UTF-16，OS X和Linux使用UTF-32）。 这是一条疯狂的路，因为您必须在同一代码库中支持两种不同的编码。

3. 使用UTF-32或UTF-16和您自己的字符串操作函数。 这是很多工作，但是是可移植的。

4. 使用ICU和UTF-16。

在大多数情况下，以UTF-8操作字符串非常有效。 这取决于您的程序做什么。 如果您正在执行诸如解析和模板化之类的工作，那么UTF-8便很容易使用。 如果您需要更复杂的功能（例如遍历断点或查找字素簇边界），则需要一个库，例如Glib（使用UTF-8）或ICU（使用UTF-16）。

关于索引的注释

您可能习惯于使用字符/代码点索引来为字符串编制索引。 习惯于使用代码单元索引为字符串建立索引：所以strlen()返回字节数，而不是字符数。 但是，实际上很少需要按字符位置索引字符串。