如何在C ++中将“ \\ u94b1”之类的字符串转换为一个实字符？

Question

我们知道在字符串文字中，“ \\ u94b1”将被转换为字符，在这种情况下为中文单词“钱”。 但是，如果它实际上是字符串中的6个字符，并说“ \\”，“ u”，“ 9”，“ 4”，“ b”，“ 1”，该如何手动将其转换为字符？

例如：

string s1;
string s2 = "\u94b1";
cin >> s1;            //here I input \u94b1
cout << s1 << endl;   //here output \u94b1
cout << s2 << endl;   //and here output 钱

我想转换s1以便cout << s1 << endl; 也会输出钱 。

有什么建议吗？

Answer 1

实际上，转换要复杂一些。

string s2 = "\u94b1";

实际上等于：

char cs2 = { 0xe9, 0x92, 0xb1, 0}; string s2 = cs2;

这意味着您要初始化组成钱的UTF8表示形式的3个字符-您可以检查s2.c_str()来确保这一点。

---

因此，要处理6个原始字符“ \\”，“ u”，“ 9”，“ 4”，“ b”，“ 1”，必须首先从string s1 = "\\\钱";提取wchar_t string s1 = "\\\钱"; （阅读时会得到什么）。 很简单，只需跳过前两个字符并将其读取为十六进制：

unsigned int ui;
std::istringstream is(s1.c_str() + 2);
is >> hex >> ui;

ui现在是0x94b1 。

现在，如果您拥有一个符合C ++ 11的系统，则可以使用std::convert_utf8对其进行转换：

wchar_t wc = ui;
std::codecvt_utf8<wchar_t> conv;
const wchar_t *wnext;
char *next;
char cbuf[4] = {0}; // initialize the buffer to 0 to have a terminating null
std::mbstate_t state;
conv.out(state, &wc, &wc + 1, wnext, cbuf, cbuf+4, next);

cbuf现在包含utf8中代表钱的3个字符和一个终止的null，您可以最终做到：

string s3 = cbuf;
cout << s3 << endl;

Answer 2

通过编写代码来执行此操作，该代码检查字符串是否包含反斜杠，字母u和四个十六进制数字，并将其转换为Unicode代码点。 然后，您的std :: string实现可能采用UTF-8，因此您可以将该代码点转换为1、2或3个UTF-8字节。

有关其他点，请弄清楚如何在基本平面之外输入代码点。

Answer 3

使用utfcpp （仅标题），您可以执行以下操作：

#include </usr/include/utf8.h>

#include <cstdint>
#include <iostream>

std::string replace_utf8_escape_sequences(const std::string& str) {
    std::string result;
    std::string::size_type first = 0;
    std::string::size_type last = 0;
    while(true) {
        // Find an escape position
        last = str.find("\\u", last);
        if(last == std::string::npos) {
            result.append(str.begin() + first, str.end());
            break;
        }

        // Extract a 4 digit hexadecimal
        const char* hex = str.data() + last + 2;
        char* hex_end;
        std::uint_fast32_t code = std::strtoul(hex, &hex_end, 16);
        std::string::size_type hex_size = hex_end - hex;

        // Append the leading and converted string
        if(hex_size != 4) last = last + 2 + hex_size;
        else {
            result.append(str.begin() + first, str.begin() + last);
            try {
                utf8::utf16to8(&code, &code + 1, std::back_inserter(result));
            }
            catch(const utf8::exception&) {
                // Error Handling
                result.clear();
                break;
            }
            first = last = last + 2 + 4;
        }
    }
    return result;
}

int main()
{
    std::string source = "What is the meaning of '\\u94b1'  '\\u94b1' '\\u94b1' '\\u94b1' ?";
    std::string target = replace_utf8_escape_sequences(source);
    std::cout << "Conversion from \"" << source << "\" to \"" << target << "\"\n";
}