強制wchar_t為4個字節

Question

實際問題-我正在研究一個可以在2個單獨的硬件平台上運行的小應用程序。

編譯方法及其配置由我定義和控制。

我的應用程序收到UTF-8 / ISO-8859文本，並且應該對字符串執行一些基本操作（復制，搜索等）。

問題是，一個編譯器是GCC（sizeof（wchar_t）== 4），而另一個是Mingw（sizeof（wchar_t）== 2）。

為了支持所有UTF-8可能性，我認為代碼中wchar_t中的“ typedef”類型為uint32_t，因此將迫使Mingw編譯器在同一行上，並覆蓋所有UTF-8選項。

然后，我打算使用標准庫（mbstowcs，wcscmp，wcscpy等）提供的寬字符操作功能。

問題是，是否會“迫使”編譯器使用更多空間，可能會對庫功能產生一些不良影響（除了性能）（更改后mbtowcs甚至可以在這里工作嗎？）

我嘗試使用ICU，但這是一個非常大的庫，因此無法達成協議。 我需要它小巧可靠。

謝謝

Answer 1

這是用於字符串操作的選項：

1. 使用unsigned char （或char ）和UTF-8。 所有常規的字符串操作函數均起作用（例如strlen() ， strstr() ， snprintf()等）。

2. 在不同的平台上使用wchar_t並使用不同的編碼（Win32使用UTF-16，OS X和Linux使用UTF-32）。 這是一條瘋狂的路，因為您必須在同一代碼庫中支持兩種不同的編碼。

3. 使用UTF-32或UTF-16和您自己的字符串操作函數。 這是很多工作，但是是可移植的。

4. 使用ICU和UTF-16。

在大多數情況下，以UTF-8操作字符串非常有效。 這取決於您的程序做什么。 如果您正在執行諸如解析和模板化之類的工作，那么UTF-8便很容易使用。 如果您需要更復雜的功能（例如遍歷斷點或查找字素簇邊界），則需要一個庫，例如Glib（使用UTF-8）或ICU（使用UTF-16）。

關於索引的注釋

您可能習慣於使用字符/代碼點索引來為字符串編制索引。 習慣於使用代碼單元索引為字符串建立索引：所以strlen()返回字節數，而不是字符數。 但是，實際上很少需要按字符位置索引字符串。