[英]setw() imbues wrong output on strings containing UTF-8 multi-byte characters/code points
[英]Multi-Byte UTF-8 in Arrays in C++
我在使用数组中的3字节Unicode UTF-8字符时遇到了问题。 当它们在char数组中时,我得到多字符字符常量和隐式常量转换警告,但是当我使用wchar_t数组时,wcout根本不返回任何内容。 由于项目的性质,它必须是数组而不是字符串。 以下是我一直在努力做的一个例子。
#include <iostream>
#include <string>
using namespace std;
int main()
{
wchar_t testing[40];
testing[0] = L'\u0B95';
testing[1] = L'\u0BA3';
testing[2] = L'\u0B82';
testing[3] = L'\0';
wcout << testing[0] << endl;
return 0;
}
有什么建议? 我正在使用OSX。
由于'\க'
需要3个字节,因此它被视为多字符文字 。 多字符文字具有int
类型和实现定义的值。 (实际上, 我不认为gcc是正确的 )
将L
前缀放在文字之前使其具有类型wchar_t
并具有实现定义值(它映射到执行宽字符集中的值,该值是基本执行宽字符集的实现定义超集 )。
C ++ 11标准为我们提供了一些更多的Unicode感知类型和文字。 其他类型是char16_t
和char32_t
,其值是表示字符的Unicode代码点。 它们分别类似于UTF-16和UTF-32。
由于您需要字符文字来存储基本多语言平面中的字符,因此您需要一个char16_t
文字。 这可以写成,例如, u'\க'
。 因此,您可以按如下方式编写代码,不会出现警告或错误:
char16_t testing[40];
testing[0] = u'\u0B95';
testing[1] = u'\u0BA3';
testing[2] = u'\u0B82';
testing[3] = u'\0';
不幸的是,I / O库不能很好地适应这些新类型。
如果你真的不需要使用上面的字符文字,你可以使用新的UTF-8字符串文字:
const char* testing = u8"\u0B95\u0BA3\u0B82";
这会将字符编码为UTF-8。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.