C ++：获取宽字符的ascii值

Question

假设我有一个像“äa”这样的char数组。 有没有办法获取第一个字符（多字节）的ascii值（例如228）？ 即使我将数组转换为wchar_t *数组，我也无法获得as的asi值，因为它的2个字节长。 有没有办法做到这一点，我现在尝试了两天:(

我正在使用gcc。

谢谢！

Answer 1

你自相矛盾。 像国际字符（顾名思义）非ASCII字符集，所以他们没有一个“ASCII值”。

它取决于两个字符数组的确切编码，是否可以获取单个字符的代码点，以及是否可以使用哪种格式。

Answer 2

你很困惑 ASCII仅具有小于128的值。值228对应于8位字符集ISO-8859-1，CP1252和其他一些字符中的ä。 它也是Unicode系统中ä的UCS值。 如果您使用字符串文字“ä”并获得两个字符的字符串，则该字符串实际上是以UTF-8编码的，您可能希望解析UTF-8编码以获取Unicode UCS值。

您真正想做的是从一个字符集转换为另一个字符集。 如何执行此操作很大程度上取决于您的操作系统，因此需要更多信息。 您还需要指定您想要什么？ 也许是ISO-8859-1的std :: string或char *？

Answer 3

取决于char数组中使用的编码。

如果您的char数组是Latin 1编码的，则它的长度为2个字节（也许还有NUL终止符，我们不在乎），而这2个字节是：

• 0xE4（小写变音符号）
• 0x61（小写a）。

请注意，拉丁1不是ASCII，而0xE4不是ASCII值，而是拉丁1（或Unicode）值。

您将获得像这样的值：

int i = (unsigned char) my_array[0];

如果您的char数组是UTF-8编码的，则它的长度为3个字节，这些字节为：

• 二进制11000011（UTF-8编码的0xE4的第一个字节）
• 二进制10100100（UTF-8编码的第二个字节0xE4）
• 0x61（小写a）

要恢复使用UTF-8编码的字符的Unicode值，您要么需要根据http://en.wikipedia.org/wiki/UTF-8#Description自己实现它（通常在生产代码中是个坏主意），否则，您需要使用特定于平台的unicode到wchar_t转换例程。 在linux上，这是mbstowcs或iconv ，尽管对于单个字符，您可以使用mbtowc前提是为当前语言环境定义的多字节编码实际上是UTF-8：

wchar_t i;
if (mbtowc(&i, my_array, 3) == -1) {
    // handle error
}

如果是SHIFT-JIS，则此方法不起作用...

Answer 4

有一个标准的C ++模板函数可以执行此转换，即ctype :: narrow（） 。 它是本地化库的一部分。 如果可能的话，它将把宽字符转换为当前本地等效的char值。 正如其他答案所指出的，并不总是存在映射，这就是为什么ctype :: narrow（）采用默认字符的原因，如果没有映射，它将返回。

Answer 5

您想要的就是所谓的音译-将一种语言的字母转换为另一种语言。 它与unicode和wchars无关。 您需要一个映射表。