يونيكود الحرفية في البصرية ج C
-
26-12-2019 - |
سؤال
النظر في التعليمات البرمجية التالية:
#include <string>
#include <fstream>
#include <iomanip>
int main() {
std::string s = "\xe2\x82\xac\u20ac";
std::ofstream out("test.txt");
out << s.length() << ":" << s << std::endl;
out << std::endl;
out.close();
}
تحت دول مجلس التعاون الخليجي 4.8 على لينكس (أوبونتو 14.04) ، الملف test.txt
يحتوي على هذا:
6:€€
تحت البصرية ج 2 2013 على ويندوز ، فإنه يحتوي على هذا:
4:€\x80
(بواسطة '\ س 80 ' أعني حرف 8 بت واحد 0 80).
لقد كنت غير قادر تماما على الحصول على أي مترجم لإخراج €
الحرف باستخدام std::wstring
.
سؤالان:
- ماذا بالضبط مترجم مايكروسوفت يعتقدون انها تفعل مع
char*
حرفي?من الواضح أنه يفعل شيئا لتشفيره ، ولكن ما هو غير واضح. - ما هي الطريقة الصحيحة لإعادة كتابة التعليمات البرمجية أعلاه باستخدام
std::wstring
وstd::wofstream
بحيث مخرجات اثنين€
الشخصيات?
المحلول
هذا لأنك تستخدم \u20ac
وهو حرف يونيكود الحرفي في سلسلة أسي.
مسفك ترميز "\xe2\x82\xac\u20ac"
كما 0xe2, 0x82, 0xac, 0x80,
وهو 4 أحرف ضيقة.إنه يشفر بشكل أساسي \u20ac
كما 0 * 80 لأنه تعيين حرف اليورو إلى المعيار 1252 كوديباج
دول مجلس التعاون الخليجي هو تحويل يونيكود الحرفي /u20ac
إلى تسلسل أوتف-8 3 بايت 0xe2, 0x82, 0xac
وبالتالي فإن السلسلة الناتجة ينتهي كما 0xe2, 0x82, 0xac, 0xe2, 0x82, 0xac
.
إذا كنت تستخدم std::wstring = L"\xe2\x82\xac\u20ac"
يحصل المشفرة بواسطة مسفك كما 0xe2, 0x00, 0x82, 0x00, 0xac, 0x00, 0xac, 0x20
وهو 4 أحرف واسعة ، ولكن منذ كنت خلط أوتف-8 التي تم إنشاؤها يدويا مع أوتف-16 ، سلسلة الناتجة لا معنى له.إذا كنت تستخدم std::wstring = L"\u20ac\u20ac"
يمكنك الحصول على 2 أحرف يونيكود في سلسلة واسعة كما كنت تتوقع.
المشكلة التالية هي أن مسفك أوفستريم و وفستريم الكتابة دائما في أنسي / أسي.للحصول عليه للكتابة في أوتف-8 يجب عليك استخدام <codecvt>
(مقابل 2010 أو في وقت لاحق):
#include <string>
#include <fstream>
#include <iomanip>
#include <codecvt>
int main()
{
std::wstring s = L"\u20ac\u20ac";
std::wofstream out("test.txt");
std::locale loc(std::locale::classic(), new std::codecvt_utf8<wchar_t>);
out.imbue(loc);
out << s.length() << L":" << s << std::endl;
out << std::endl;
out.close();
}
وكتابة أوتف-16 (أو بشكل أكثر تحديدا أوتف-16 لي):
#include <string>
#include <fstream>
#include <iomanip>
#include <codecvt>
int main()
{
std::wstring s = L"\u20ac\u20ac";
std::wofstream out("test.txt", std::ios::binary );
std::locale loc(std::locale::classic(), new std::codecvt_utf16<wchar_t, 0x10ffff, std::little_endian>);
out.imbue(loc);
out << s.length() << L":" << s << L"\r\n";
out << L"\r\n";
out.close();
}
ملاحظة:مع أوتف-16 لديك لاستخدام وضع ثنائي بدلا من وضع النص لتجنب الفساد ، لذلك لا يمكننا استخدام std::endl
ويجب أن تستخدم L"\r\n"
للحصول على سلوك الملف النصي الصحيح في نهاية السطر.