C ++中的數組中的多字節UTF-8

Question

我在使用數組中的3字節Unicode UTF-8字符時遇到了問題。 當它們在char數組中時，我得到多字符字符常量和隱式常量轉換警告，但是當我使用wchar_t數組時，wcout根本不返回任何內容。 由於項目的性質，它必須是數組而不是字符串。 以下是我一直在努力做的一個例子。

#include <iostream>
#include <string>
using namespace std;
int main()
{
    wchar_t testing[40];
    testing[0] = L'\u0B95';
    testing[1] = L'\u0BA3';
    testing[2] = L'\u0B82';
    testing[3] = L'\0';
    wcout << testing[0] << endl;
    return 0;
}

有什么建議？ 我正在使用OSX。

Answer 1

由於'\க'需要3個字節，因此它被視為多字符文字 。 多字符文字具有int類型和實現定義的值。 （實際上， 我不認為gcc是正確的 ）

將L前綴放在文字之前使其具有類型wchar_t並具有實現定義值（它映射到執行寬字符集中的值，該值是基本執行寬字符集的實現定義超集 ）。

C ++ 11標准為我們提供了一些更多的Unicode感知類型和文字。 其他類型是char16_t和char32_t ，其值是表示字符的Unicode代碼點。 它們分別類似於UTF-16和UTF-32。

由於您需要字符文字來存儲基本多語言平面中的字符，因此您需要一個char16_t文字。 這可以寫成，例如， u'\க' 。 因此，您可以按如下方式編寫代碼，不會出現警告或錯誤：

char16_t testing[40];
testing[0] = u'\u0B95';
testing[1] = u'\u0BA3';
testing[2] = u'\u0B82';
testing[3] = u'\0';

不幸的是，I / O庫不能很好地適應這些新類型。

如果你真的不需要使用上面的字符文字，你可以使用新的UTF-8字符串文字：

const char* testing = u8"\u0B95\u0BA3\u0B82";

這會將字符編碼為UTF-8。