C ++中的数组中的多字节UTF-8

Question

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。

Answer 1

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。