使用 C++ 将越南语字符从 ISO88591、UTF8、UTF16BE、UTF16LE、UTF16 编码为十六进制，反之亦然

Question

我已经编辑了我的帖子。 目前我正在尝试做的是对来自用户的输入字符串进行编码，然后将其转换为十六进制格式。 如果它不包含任何越南字符，我可以正确地做到这一点。 如果我的 inputString 是“Hello”。 但是当我尝试输入诸如“Tôi”之类的字符串时，我不知道该怎么做。

    enum Encodings { USASCII, ISO88591, UTF8, UTF16BE, UTF16LE, UTF16, BIN, OCT, HEX };

    switch (Encodings)
        {
        case USASCII:
            ASCIIToHex(inputString, &ascii); //hello output 48656C6C6F
            return new ByteField(ascii.c_str());
        case ISO88591:
            ASCIIToHex(inputString, &ascii);//hello output 48656C6C6F
                                              //tôi output 54F469
            return new ByteField(ascii.c_str());
        case UTF8:
            ASCIIToHex(inputString, &ascii);//hello output 48656C6C6F
                                           //tôi output 54C3B469
            return new ByteField(ascii.c_str());
        case UTF16BE:
            ToUTF16(inputString, &ascii, Encodings);//hello output 00480065006C006C006F
                                                    //tôi output 005400F40069
            return new ByteField(ascii.c_str());
        case UTF16:
        ToUTF16(inputString, &ascii, Encodings);//hello output FEFF00480065006C006C006F
                                                //tôi output FEFF005400F40069
            return new ByteField(ascii.c_str());
        case UTF16LE:
            ToUTF16(inputString, &ascii, Encodings);//hello output 480065006C006C006F00
                                                    //tôi output 5400F4006900
            return new ByteField(ascii.c_str());
        }

void StringUtilLib::ASCIIToHex(std::string s, std::string * result)
{
    int n = s.length();
    for (int i = 0; i < n; i++)
    {
        unsigned char c = s[i];
        long val = long(c);
        std::string bin = "";
        while (val > 0)
        {
            (val % 2) ? bin.push_back('1') :
                bin.push_back('0');
            val /= 2;
        }
        reverse(bin.begin(), bin.end());
        result->append(ConvertBinToHex(bin));
    }
}

std::string ToUTF16(std::string s, std::string * result, int encodings) {
    int n = s.length();
    if (encodings == UTF16) {
        result->append("FEFF");
    }
    for (int i = 0; i < n; i++)
    {
        int val = int(s[i]);
        std::string bin = "";
        while (val > 0)
        {
            (val % 2) ? bin.push_back('1') :
                bin.push_back('0');
            val /= 2;
        }
        reverse(bin.begin(), bin.end());
        if (encodings == UTF16 || encodings == UTF16BE) {
            result->append("00" + ConvertBinToHex(bin));
        }
        if (encodings == UTF16LE) {
            result->append(ConvertBinToHex(bin) + "00");
        }

    }
}

std::string ConvertBinToHex(std::string str) {
    long long temp = atoll(str.c_str());
    int dec_value = 0;
    int base = 1;
    int i = 0;
    while (temp) {
        int last_digit = temp % 10;
        temp = temp / 10;
        dec_value += last_digit * base;
        base = base * 2;
    }
    char hexaDeciNum[10];
    while (dec_value != 0)
    {
        int temp = 0;
        temp = dec_value % 16;
        if (temp < 10)
        {
            hexaDeciNum[i] = temp + 48;
            i++;
        }
        else
        {
            hexaDeciNum[i] = temp + 55;
            i++;
        }
        dec_value = dec_value / 16;
    }
    str.clear();
    for (int j = i - 1; j >= 0; j--) {
        str = str + hexaDeciNum[j];
    }
    return str;
}

Answer 1

这个问题完全不清楚。 要对某些内容进行编码，您需要输入吗？ 因此，当您说“将越南字符编码为 UTF8、UTF16”时，您的输入字符串是什么，转换为 UTF-8/16 之前的编码是什么？ 你是怎么输入的？ 从文件或控制台？

为什么你要转换为二进制然后转换为十六进制？ 您可以从字节直接打印为二进制和十六进制，无需从二进制转换为十六进制。 请注意，像这样转换为二进制文件非常适合测试，但在生产代码中效率非常低。 我也不知道您所说的“但是如果我的字母是越南字母“Á”或“À”，我无法获得它的价值怎么办” 。 请显示一个最小的、可重现的示例以及输入/输出

---

但我认为你只想 output 来自源代码中的字符串文字的 UTF 编码字节，如“ÁÀ”。 在那种情况下，它不称为“编码字符串”，而只是“输出字符串”

Unicode中的Á和À都可以用预组合字符（U+00C1和U+00C0）或组合字符（A+U+0301◌́/U+0300◌̀）来表示。 您可以通过在 Unikey 中选择“Unicode dựng sẵn”或“Unicode tổ hợp”在它们之间进行切换。 假设您有字符串文字形式的这些字符，则std::string str = "ÁÀ"包含一系列与源文件编码中的上述字母相对应的字节。 因此，根据您将 *.cpp 文件保存为（CP1252、CP1258、UTF-8...）的编码，output 字节值会有所不同

要强制 UTF-8/16/32 编码，您只需要分别使用u8 、 u和U后缀以及正确的类型（ char8_t 、 char16_t 、 char32_t或std::u8string / std::u16string / std::u32string )

std::u8string  utf8  = u8"ÁÀ";
std::u16string utf16 = u"ÁÀ";
std::u32string utf32 = U"ÁÀ";

然后只需使用c_str()获取底层缓冲区并打印字节。 在 C++14 std::u8string尚不可用，因此只需将文件另存为 UTF-8 并使用std::string 。 同样，您可以直接从std::cin读取std::u*string以打印用户输入字符串的编码

编辑：

要在 UTF 编码之间进行转换，请使用标准std::codecvt 、 std::wstring_convert 、 std::codecvt_utf8_utf16 ...

处理非 Unicode 编码比较棘手，需要一些外部库，如ICU或依赖于操作系统的 API

• Windows 上的WideCharToMultiByte和MultiByteToWideChar
• Linux 上的iconv

限制为 ISO-8859-1 会更容易，但您仍然需要许多查找表，并且无法在不丢失信息的情况下将其他编码转换为 ASCII

Answer 2

如果您使用有符号字符和 CP1258，-64 是 À 的正确表示。 如果你想要一个正数，你需要先转换为unsigned char 。

如果您确实在使用 CP1258，那么您可能正在使用 Windows。 要将输入字符串转换为 UTF-16，您可能需要使用 Windows 平台 API，例如MultiByteToWideChar ，它接受代码页参数（当然您必须使用正确的代码页）。 或者，您可以尝试使用标准的mbstowcs ，例如 mbstowcs，但您需要在使用之前正确设置您的语言环境。

您可能会发现在整个应用程序中切换到宽字符会更容易，并且可以避免大多数转码。

附带说明一下，仅将 integer 转换为二进制以将其转换为十六进制并不是显示 integer 的十六进制表示的简单或有效方法。