如何在控制台中制作动态字符串以使用 UTF-8？-解网

问：

这里关于 SO 的大多数答案和问题都放在任何 UTF-8 字符串之前。我没有找到它是什么的解释，在源代码中，根据我的 IDE，常量在 .Lwinnt.h

这就是我使用它的方式，不知道它是什么：

std::wcout<<L"\"Přetečení zásobníku\" is Stack overflow in Czech.";

显然，常量串联不能应用于变量：

void printUTF8(const char* str) {
  //Does not make the slightest bit of sense
  std::wcout<<L str; 
}

那么它是什么以及如何将其添加到动态字符串中呢？

C++ Windows UTF-8 控制台-应用程序 IOSTREAM

相比之下，UTF-8 字符串始终是由字节组成的字符串。ASCII 字符（A-Z、0-9 等）的编码方式一直如此 - 在 0x00 到 0x7F（或 0 到 127）的范围内。国际字符（如ř）使用0x80到0xFF范围内的多个字节进行编码 - 维基百科上有一个很好的解释。优点是可以使用普通的 C 字符串来表示。

"This is an ordinary string, but also a UTF-8 string"

"This is a C cedilla in UTF-8: \xc3\x87"

但是，如果您在实际代码中键入这些国际字符，则编辑器需要知道您键入的是 UTF-8，以便它可以正确编码字符 - 就像上面的 C cedilla 一样。然后，字符串将正确地传递给您的函数。

在您的情况下，您的注释表明您正在使用 UTF-16。在这种情况下，还有另外两个问题：

默认情况下，控制台将无法正确输出 Unicode 字符。您需要将字体更改为 truetype 字体，例如 Lucida Console
您还需要将输出模式更改为 Unicode UTF-16 模式。您可以通过以下方式执行此操作：

_setmode（_fileno（stdout）， _O_U16TEXT）;

代码示例：

#include <iostream>
#include <io.h>
#include <fcntl.h>

int wmain(int argc, wchar_t* argv[])
{
    _setmode(_fileno(stdout), _O_U16TEXT);
    std::wcout << L"Přetečení zásobníku is Stack overflow in Czech." << std::endl;
}

我基本上同意这一点，但它在两个方面具有误导性。首先，概念字符（显示为单个图形）必须表示为单个 32 位编码值的概念。一般来说，情况并非如此。也就是说，C++ 标准库也用 UTF-32 搞砸了：这只是一个程度问题，对于政治来说，这是一个可以让无知的群众相信什么的问题。第二种方式有点误导，因为它暗示 Windows WCHAR 在某个时候映射到 wchar_t。我不记得从来没有这样过。即，C99 有错。

0赞 Cheers and hth. - Alf 6/19/2014

更新：我发现我认为在 C99 中引入的措辞已经在 C90 中存在。所以，Microsoft错了，而不是 C99 和 Unix 土地政治，正如我所坚持的那样。我是罪魁祸首！

0赞 Harry Johnston 6/20/2014

Windows NT 的第一个版本于 1993 年发布;当时，编码整个 Unicode 字符集只需要 16 位。字符集在 1996 年引入的 Unicode 2.0 中进行了扩展。到那时，我认为Microsoft更改其定义为时已晚，他们能做的最好的事情就是将编码从UCS-2更改为UTF-16（从Windows 2000开始）。wchar_t

0赞 Cheers and hth. - Alf 6/19/2014 #3

回复您的实际问题

“ 什么是[前缀]以及如何将其添加到动态字符串中？L

这与我写这篇文章时的问题标题非常不同，即“如何制作动态字符串以在控制台中使用 UTF-8？

简而言之，UTF-8 是 Unicode 的一种编码，其中基本编码单元是 8 位，通常称为字节（更准确地说是八位字节），而前缀形成宽字符或字符串文字，其中编码单元通常为 16 或 32 位——在 Windows 中它是 16 位，就像原始 Unicode 一样。L

宽字符或字符串文本基于类型而不是。wchar_tchar

在 Windows 中，宽字符串编码为 UTF-16。最常见的六万个左右的Unicode字符用单个值表示，但一些很少使用的中文表意文字等需要两个连续的值，称为代理项对。wchar_twchar_t

在 Windows 中使用 16 位编码单元是在 1992 年左右建立的。我不确定 UTF-16 是什么时候被采用的（作为当时的 UCS-2 编码的扩展），只是晚了一点。因此，早在 C99 要求宽字符集的所有字符都应用单个wchar_t值表示之前，就已经确立了这一点。这一要求似乎是一种纯粹的政治策略，确保没有Windows C编译器可以正式符合，这是一种仅适用于Unix领域的通用ISO编程语言标准。不幸的是，由于 C++ 11 基于 C99，我们现在在 C++11 中也有它，确保没有 Windows C++ 编译器可以完全符合。纯粹的白痴。如果你问我。

勘误表，重新删除了上面的文字：根据维基百科关于它的文章，关于单个字符足以满足“扩展字符集”中任何字符的措辞在 C90 中已经存在。这使得Windows与C和C++标准之间的不兼容是Microsoft的错，而不是C委员会的错。它似乎仍然是政治性的，而且相当愚蠢，但（开明）其他人应该受到指责，而不是我最初坚持的......wchar_t

使用宽动态字符串的一种方法是使用，from the header。std::wstring<string>

使用 Visual C++，您可以使用 wmain 函数而不是标准函数，作为获取宽命令行参数的简单方法。main

wmainMinGW64 （IIRC） g++ 也支持，尽管普通 MinGW g++ 还不支持，但从 g++ 4.8.something 开始。但是，就 Windows API 而言，它很容易实现。除非你需要严格的符合标准的代码来提供特殊的主要功能特性，例如能够用或不带参数来声明它，但是嘿，让我们务实一点。

使用 Visual C++ 12.0 和 g++ 4.8.2 正常编译的示例：

// Source encoding: UTF-8 with BOM.

#include <io.h>         // _setmode
#include <fcntl.h>      // _O_WTEXT

#include <iostream>     // std::wcout, std::endl
#include <string>       // std::wstring
using namespace std;

auto main()
    -> int
{
    _setmode( _fileno( stdin ), _O_WTEXT );
    _setmode( _fileno( stdout ), _O_WTEXT );

    wcout << L"Hi, what’s your name? ";
    wstring username;
    getline( wcin, username );
    wcout << L"Welcome to Windows C++, " << username << "!" << endl;
}

请注意，使用 Windows ANSI 源时，除非使用适当的编译器选项指定源编码，否则不会使用 g++ 进行编译。

上一个：C++ 控制台屏幕大小

下一个：使用 Rabin-Karp 搜索字符串中的多个模式

如何在控制台中制作动态字符串以使用 UTF-8？

How can I make dynamic strings to work with UTF-8 in console?

评论

评论

评论