![](/img/trans.png)
[英]setw() imbues wrong output on strings containing UTF-8 multi-byte characters/code points
[英]Multi-Byte UTF-8 in Arrays in C++
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。
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.