C ++和Boost：编码/解码UTF-8

Question

我正在尝试做一个非常简单的任务：获取一个支持unicode的wstring并将其转换为一个string ，编码为UTF8字节，然后相反的方式：获取一个包含UTF8字节的string并将其转换为unicode-aware wstring 。

问题是，我需要它跨平台，我需要它与Boost一起工作......而我似乎无法想办法让它工作。 我一直在玩弄

• http://www.edobashira.com/2010/03/using-boost-code-facet-for-reading-utf8.html和
• http://www.boost.org/doc/libs/1_46_0/libs/serialization/doc/codecvt.html

试图将代码转换为使用stringstream / wstringstream而不是任何文件，但似乎没有任何作用。

例如，在Python中它看起来像这样：

>>> u"שלום"
u'\u05e9\u05dc\u05d5\u05dd'
>>> u"שלום".encode("utf8")
'\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d'
>>> '\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d'.decode("utf8")
u'\u05e9\u05dc\u05d5\u05dd'

我最终追求的是：

wchar_t uchars[] = {0x5e9, 0x5dc, 0x5d5, 0x5dd, 0};
wstring ws(uchars);
string s = encode_utf8(ws); 
// s now holds "\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d"
wstring ws2 = decode_utf8(s);
// ws2 now holds {0x5e9, 0x5dc, 0x5d5, 0x5dd}

我真的不想在ICU上添加另一种依赖关系......或者根据我的理解，应该可以使用Boost。

一些示例代码将非常感谢！ 谢谢

Answer 1

谢谢大家，但最终我使用了http://utfcpp.sourceforge.net/ - 它是一个非常轻量级且易于使用的仅限标头的库。 我在这里分享一个演示代码，如果有人发现它有用：

inline void decode_utf8(const std::string& bytes, std::wstring& wstr)
{
    utf8::utf8to32(bytes.begin(), bytes.end(), std::back_inserter(wstr));
}
inline void encode_utf8(const std::wstring& wstr, std::string& bytes)
{
    utf8::utf32to8(wstr.begin(), wstr.end(), std::back_inserter(bytes));
}

用法：

wstring ws(L"\u05e9\u05dc\u05d5\u05dd");
string s;
encode_utf8(ws, s);

Answer 2

注释中已经有一个boost链接，但在几乎标准的C ++ 0x中，有wstring_convert执行此操作

#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
int main()
{
    wchar_t uchars[] = {0x5e9, 0x5dc, 0x5d5, 0x5dd, 0};
    std::wstring_convert<std::codecvt_utf8<wchar_t>> conv;
    std::string s = conv.to_bytes(uchars);
    std::wstring ws2 = conv.from_bytes(s);
    std::cout << std::boolalpha
              << (s == "\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d" ) << '\n'
              << (ws2 == uchars ) << '\n';
}

使用MS Visual Studio 2010 EE SP1或CLang ++ 2.9编译时的输出

true 
true

Answer 3

Boost.Locale在Boost 1。48（2011年11月15日）发布，更容易转换为UTF8 / 16

以下是文档中的一些方便示例：

string utf8_string = to_utf<char>(latin1_string,"Latin1");
wstring wide_string = to_utf<wchar_t>(latin1_string,"Latin1");
string latin1_string = from_utf(wide_string,"Latin1");
string utf8_string2 = utf_to_utf<char>(wide_string);

几乎和Python编码/解码一样简单:)

请注意，Boost.Locale不是仅限标头的库。

Answer 4

有关处理utf8的std::string / std::wstring 替代品 ，请参阅TINYUTF8 。

与<codecvt>结合使用，您可以从/向utf8转换每个编码，然后通过上面的库处理。