C ++將字符串編碼為Unicode-ICU庫

Question

我需要將ISO-2022-JP和ISO-2022-JP-2（以及ISO-2022的其他變體）中的一堆字節轉換為Unicode。 我正在嘗試使用ICU（ 鏈接文本 ），但是以下代碼不起作用。

std::string input = "\x1B\x28\x4A" "ABC\xA6\xA7";    //the first 3 chars are escape sequence to use JIS_X201 character set in GL/GR
UErrorCode status = U_ZERO_ERROR;
UConverter *conv;
// set up the converter
conv = ucnv_open("ISO-2022-JP", &status);
if (status != U_ZERO_ERROR) return false;   //couldn't find character set

UChar * convDest = new UChar[2*input.length()]; //ucnv_toUChars will use up to 2*length

// convert to Unicode
int resultLen = (int)ucnv_toUChars(conv, convDest, 2*input.length(), input.c_str(), input.length(), &status);

這行不通。 結果包含“？” 我輸入的字符超出ASCII。 狀態沒有錯誤。 我究竟做錯了什么？

最重要的是，我在編譯版本4.4的庫時遇到了麻煩，因為MSVC 9項目無法轉換為MSVC 10項目。

我也知道libiconv開源庫。 我無法在Windows上編譯該代碼。 如果有人對其他庫有任何建議，也歡迎您。

謝謝。

編輯我最初使用的轉義序列是錯誤的。 因此，現在ICU提取字符串，去除轉義序列-這是朝正確方向邁出的一步。 但是結果仍然包含“？” 字符

EDIT2之所以無法轉換為MSVC 10項目，是因為未安裝x64平台（默認情況下未安裝）。 或者，我可以在文本編輯器中打開所有項目，並刪除所有提及x64 target的內容。

Answer 1

這與ISO 2022編碼不同。 高位假定為零。 轉義序列看起來有些可識別，但以ESC開頭。 0x1b，而不是0xb0。 不知道這些字節值的真正含義是什么。

Answer 2

（這個問題看起來很熟悉，再次問好。）

次要，次要：您想使用if(U_FAILURE(status)) （或相反， U_SUCCESS(status) ）檢查錯誤狀態。

Answer 3

我無法使用ISO-2022-JP編碼的JIS_X201字符集進行轉換。 而且，我無法使用任何可用的工具來生成“有效”的工具-嘗試使用Java（ICU和ISO2022的非ICU實現）和C ++。

因此，我基本上只是編寫了一個函數來執行代碼查找，並使用此表轉換為Unicode： Wikipedia 。

編輯當我開始填寫錯誤報告時，我想包括ISO-2022-JP的RFC。 然后，我在RFC“ ISO-2022-JP消息中未使用JIS X 0201的假名集”中發現了這一行。 鏈接文字 。 因此看來，該標准實際上並未定義高位。 ISO-2022-JP-3將映射高位，但映射到低位。 因此，我必須將每個字節減去0x80，然后通過ISO-2022-JP-3，然后將其他字節<128，然后通過ISO-2022-JP轉換器，以獲得完整的JIS_X201字符集。 好吧，自己動手做要容易得多。

因此嚴格來說，我會說這不是錯誤。 但是，這是一個巨大的頭痛。

PS我要解碼的整個混亂流都來自DICOM。 請參閱pdf第107頁，了解他們認為可接受的內容。