如何在C ++中將“ \\ u94b1”之類的字符串轉換為一個實字符？

Question

我們知道在字符串文字中，“ \\ u94b1”將被轉換為字符，在這種情況下為中文單詞“錢”。 但是，如果它實際上是字符串中的6個字符，並說“ \\”，“ u”，“ 9”，“ 4”，“ b”，“ 1”，該如何手動將其轉換為字符？

例如：

string s1;
string s2 = "\u94b1";
cin >> s1;            //here I input \u94b1
cout << s1 << endl;   //here output \u94b1
cout << s2 << endl;   //and here output 錢

我想轉換s1以便cout << s1 << endl; 也會輸出錢 。

有什么建議嗎？

Answer 1

實際上，轉換要復雜一些。

string s2 = "\u94b1";

實際上等於：

char cs2 = { 0xe9, 0x92, 0xb1, 0}; string s2 = cs2;

這意味着您要初始化組成錢的UTF8表示形式的3個字符-您可以檢查s2.c_str()來確保這一點。

---

因此，要處理6個原始字符“ \\”，“ u”，“ 9”，“ 4”，“ b”，“ 1”，必須首先從string s1 = "\\\錢";提取wchar_t string s1 = "\\\錢"; （閱讀時會得到什么）。 很簡單，只需跳過前兩個字符並將其讀取為十六進制：

unsigned int ui;
std::istringstream is(s1.c_str() + 2);
is >> hex >> ui;

ui現在是0x94b1 。

現在，如果您擁有一個符合C ++ 11的系統，則可以使用std::convert_utf8對其進行轉換：

wchar_t wc = ui;
std::codecvt_utf8<wchar_t> conv;
const wchar_t *wnext;
char *next;
char cbuf[4] = {0}; // initialize the buffer to 0 to have a terminating null
std::mbstate_t state;
conv.out(state, &wc, &wc + 1, wnext, cbuf, cbuf+4, next);

cbuf現在包含utf8中代表錢的3個字符和一個終止的null，您可以最終做到：

string s3 = cbuf;
cout << s3 << endl;

Answer 2

通過編寫代碼來執行此操作，該代碼檢查字符串是否包含反斜杠，字母u和四個十六進制數字，並將其轉換為Unicode代碼點。 然后，您的std :: string實現可能采用UTF-8，因此您可以將該代碼點轉換為1、2或3個UTF-8字節。

有關其他點，請弄清楚如何在基本平面之外輸入代碼點。

Answer 3

使用utfcpp （僅標題），您可以執行以下操作：

#include </usr/include/utf8.h>

#include <cstdint>
#include <iostream>

std::string replace_utf8_escape_sequences(const std::string& str) {
    std::string result;
    std::string::size_type first = 0;
    std::string::size_type last = 0;
    while(true) {
        // Find an escape position
        last = str.find("\\u", last);
        if(last == std::string::npos) {
            result.append(str.begin() + first, str.end());
            break;
        }

        // Extract a 4 digit hexadecimal
        const char* hex = str.data() + last + 2;
        char* hex_end;
        std::uint_fast32_t code = std::strtoul(hex, &hex_end, 16);
        std::string::size_type hex_size = hex_end - hex;

        // Append the leading and converted string
        if(hex_size != 4) last = last + 2 + hex_size;
        else {
            result.append(str.begin() + first, str.begin() + last);
            try {
                utf8::utf16to8(&code, &code + 1, std::back_inserter(result));
            }
            catch(const utf8::exception&) {
                // Error Handling
                result.clear();
                break;
            }
            first = last = last + 2 + 4;
        }
    }
    return result;
}

int main()
{
    std::string source = "What is the meaning of '\\u94b1'  '\\u94b1' '\\u94b1' '\\u94b1' ?";
    std::string target = replace_utf8_escape_sequences(source);
    std::cout << "Conversion from \"" << source << "\" to \"" << target << "\"\n";
}