U +究竟是什么代表什么，為什么我不能在我的C ++應用程序中創建一個Unicode中間字符串表？

Question

我正在嘗試將應用程序從Java + Swing轉換為C ++ + Qt。 有一次我不得不處理一些Unicode中間體。 在Java中，這很容易：

private static String[] hiraganaTable = {
    "\u3042", "\u3044", "\u3046", "\u3048", "\u304a", 
    "\u304b", "\u304d", "\u304f", "\u3051", "\u3053", 
    ...
}

...而在C ++中我遇到了問題：

QString hiraganaTable[] = {
    "\x30\x42", "\x30\x44", "\x30\x46", "\x30\x48", "\x30\x4a", 
    "\x30\x4b", "\x30\x4d", "\x30\x4f", "\x30\x51", "\x30\x53", 
    ...
};

我無法在VS2008中使用\\ u，因為我收到了一堆形式的警告：

由通用字符名'\\ u3042'表示的字符無法在當前代碼頁中表示（1250）

並且不要叫我傻，我試圖使用文件 - >高級保存選項無濟於事，代碼頁似乎根本沒有改變。 似乎這是一個已知問題： 如何在Visual C ++ 2008中創建UTF-8字符串文字

我正在使用的表格相當短，所以在Vim和一些入門級regexp-magic的幫助下，我能夠將它轉換為\\ x30 \\ x42表示法。 不幸的是，QStrings不會從這樣的輸入中正確初始化。 我嘗試了一切。 fromAscii（），fromUtf8（），fromLocal8Bit（），QString（QByteArray），作品。 然后，嘗試將沒有BOM的U + 3042寫入文件，然后以十六進制模式查看，我發現它實際上是“E3 81 82” 。 突然，像這樣的條目似乎適用於QString :: fromAscii（） 。 現在我想知道“U +”在“U + 3042”中的含義是多少（因為0xE38182 - 0x3042 = E35140，也許我最好將這個Magic Constant添加到我想要的所有Unicode字符中？）。 我應該如何從這里開始獲得一系列正確的UTF-8字符串？

Answer 1

您所看到的是該角色的UTF-8編碼。

>>> u'\u3042'.encode('utf-8').encode('hex')
'e38182'

如果你用UTF-8全部寫出來那么你應該沒問題。

“U +”只表示您正在查看Unicode代碼點而不是某些特定編碼。

編輯：

一個小的scriptlet，可以幫助您開始使用Python（與上面相同的語言）：

>>> print ',\n'.join(', '.join('"%s"' % (y.encode('utf-8').encode('string-escape')
      ,) for y in x) for x in [u'あいうえお', u'かきくけこ', u'さしすせそ'])
"\xe3\x81\x82", "\xe3\x81\x84", "\xe3\x81\x86", "\xe3\x81\x88", "\xe3\x81\x8a",
"\xe3\x81\x8b", "\xe3\x81\x8d", "\xe3\x81\x8f", "\xe3\x81\x91", "\xe3\x81\x93",
"\xe3\x81\x95", "\xe3\x81\x97", "\xe3\x81\x99", "\xe3\x81\x9b", "\xe3\x81\x9d"

Answer 2

問題是C ++基於C，它可以追溯到ASCII時代。 “默認”C字符串“abc”是8位。 但是，Visual C ++編譯器具有16位Unicode（UTF-16）文字，但語法略有不同： L"abc\あ" 。 這種文字的類型是wchar_t[N]而不是char[N] ，你可以將它們存儲在std::wstring 。

Qt完全理解wchar_t和QStrings可以直接從它們構造而不會出現轉換問題。

Answer 3

“U + dddd ”，其中每個d是十六進制數字表示Unicode代碼點。

您不能在8位字符中存儲16位值; 這是你遇到的主要問題。

使用寬字符，例如（這些是字符串文字） L"\\0x3042"或L"\あ" 。

然后弄清楚如何使QString接受那些。

注意：Visual C ++將為文字中使用的\\U符號發出愚蠢的警告，而g ++將為文字外部使用的符號發出愚蠢的警告。

干杯＆hth。，