C ++：獲取寬字符的ascii值

Question

假設我有一個像“äa”這樣的char數組。 有沒有辦法獲取第一個字符（多字節）的ascii值（例如228）？ 即使我將數組轉換為wchar_t *數組，我也無法獲得as的asi值，因為它的2個字節長。 有沒有辦法做到這一點，我現在嘗試了兩天:(

我正在使用gcc。

謝謝！

Answer 1

你自相矛盾。 像國際字符（顧名思義）非ASCII字符集，所以他們沒有一個“ASCII值”。

它取決於兩個字符數組的確切編碼，是否可以獲取單個字符的代碼點，以及是否可以使用哪種格式。

Answer 2

你很困惑 ASCII僅具有小於128的值。值228對應於8位字符集ISO-8859-1，CP1252和其他一些字符中的ä。 它也是Unicode系統中ä的UCS值。 如果您使用字符串文字“ä”並獲得兩個字符的字符串，則該字符串實際上是以UTF-8編碼的，您可能希望解析UTF-8編碼以獲取Unicode UCS值。

您真正想做的是從一個字符集轉換為另一個字符集。 如何執行此操作很大程度上取決於您的操作系統，因此需要更多信息。 您還需要指定您想要什么？ 也許是ISO-8859-1的std :: string或char *？

Answer 3

取決於char數組中使用的編碼。

如果您的char數組是Latin 1編碼的，則它的長度為2個字節（也許還有NUL終止符，我們不在乎），而這2個字節是：

• 0xE4（小寫變音符號）
• 0x61（小寫a）。

請注意，拉丁1不是ASCII，而0xE4不是ASCII值，而是拉丁1（或Unicode）值。

您將獲得像這樣的值：

int i = (unsigned char) my_array[0];

如果您的char數組是UTF-8編碼的，則它的長度為3個字節，這些字節為：

• 二進制11000011（UTF-8編碼的0xE4的第一個字節）
• 二進制10100100（UTF-8編碼的第二個字節0xE4）
• 0x61（小寫a）

要恢復使用UTF-8編碼的字符的Unicode值，您要么需要根據http://en.wikipedia.org/wiki/UTF-8#Description自己實現它（通常在生產代碼中是個壞主意），否則，您需要使用特定於平台的unicode到wchar_t轉換例程。 在linux上，這是mbstowcs或iconv ，盡管對於單個字符，您可以使用mbtowc前提是為當前語言環境定義的多字節編碼實際上是UTF-8：

wchar_t i;
if (mbtowc(&i, my_array, 3) == -1) {
    // handle error
}

如果是SHIFT-JIS，則此方法不起作用...

Answer 4

有一個標准的C ++模板函數可以執行此轉換，即ctype :: narrow（） 。 它是本地化庫的一部分。 如果可能的話，它將把寬字符轉換為當前本地等效的char值。 正如其他答案所指出的，並不總是存在映射，這就是為什么ctype :: narrow（）采用默認字符的原因，如果沒有映射，它將返回。

Answer 5

您想要的就是所謂的音譯-將一種語言的字母轉換為另一種語言。 它與unicode和wchars無關。 您需要一個映射表。