هل من الممكن استخدام "أرجف" يونيكود؟

Question

أنا أكتب غلاف صغير لتطبيق يستخدم الملفات كوسائط.

يجب أن يكون Wrapper في Unicode، لذلك أنا أستخدم Wchar_T للحصول على الشخصيات والسلاسل لدي. الآن أجد نفسي في مشكلة، أحتاج إلى حجج البرنامج في مجموعة من wchar_t's وفي سلسلة wchar_t.

هل هو ممكن؟ أنا أعرف main وظيفة

int main(int argc, char *argv[])

يجب أن أستخدم wchar_t ل argv?

شكرا جزيلا لك، لا يبدو لي أن أجد معلومات مفيدة حول كيفية استخدام Unicode بشكل صحيح في C.

Answer 1

بشكل عام، لا. سيعتمد على O / S، لكن المعيار C يقول أن الحجج إلى "الرئيسية ()" يجب أن تكون "الرئيسية (int argc، archv)" أو ما يعادلها، لذلك ما لم تكن شار و wchar_t هي نفس النوع الأساسي ، لا يمكنك أن تفعل ذلك.

بعد القول أنه يمكنك الحصول على سلاسل وسيطة UTF-8 في البرنامج، وتحويلها إلى UTF-16 أو UTF-32، ثم استمر في الحياة.

على جهاز Mac (10.5.8، ليوبارد)، حصلت على:

Osiris JL: echo "ï€" | odx
0x0000: C3 AF E2 82 AC 0A                                 ......
0x0006:
Osiris JL: 

هذا كل شيء UTF-8 المشفرة. (odx هو برنامج تفريغ عرافة).

أنظر أيضا: لماذا يتم استخدام ترميز UTF-8 عند التفاعل مع بيئة UNIX / Linux

Answer 2

رمز المحمولة لا يدعم ذلك. يدعم Windows (على سبيل المثال) باستخدام wmain بدلا من main, في هذه الحالة يتم تمرير Argv كحرف واسعة.

Answer 3

على ويندوز، يمكنك استخدام GetCommandLineW() و CommandLineToArgvW() لإنتاج نمط Argv wchar_t[] صفيف، حتى إذا لم يتم تجميع التطبيق ل Unicode.

Answer 4

على ويندوز على أي حال، يمكنك الحصول على wmain() بالنسبة لبناء Unicode. غير محمول رغم ذلك. أنا dunno إذا توفر منصات دول مجلس التعاون الخليجي أو يونيكس / لينكس أي شيء مماثل.

Answer 5

على افتراض أن بيئة Linux الخاصة بك تستخدم ترميز UTF-8 ثم تعد التعليمات البرمجية التالية برنامجك لسهولة علاج Unicode في C ++:

    int main(int argc, char * argv[]) {
      std::setlocale(LC_CTYPE, "");
      // ...
    }

التالي، نوع wchar_t هو 32 بت في لينكس، مما يعني أنه يمكن أن يحمل نقاط رمز Unicode الفردية ويمكنك استخدام نوع WSTRING بأمان لمعالجة السلسلة الكلاسيكية في C ++ (حرف حسب الحرف). مع مكالمة SetLocale أعلاه، سيقوم إدراج WCOUT تلقائيا بترجمة الإخراج الخاص بك إلى UTF-8 واستخراج من WCIN تلقائيا إشراف إدخال UTF-8 في UTF-32 (حرف واحد = 1 رمز رمز). المشكلة الوحيدة التي تظل هي أن سلاسل Argv [i] لا تزال تشفير UTF-8.

يمكنك استخدام الوظيفة التالية لتشغيل UTF-8 في UTF-32. إذا كانت سلسلة الإدخال تالفة، فسوف تعيد الأحرف المحولة بشكل صحيح حتى يتم كسر المكان الذي تم فيه كسر قواعد UTF-8. يمكنك تحسينه إذا كنت بحاجة إلى المزيد من التقارير الأخطاء. ولكن بالنسبة لبيانات Argv، يمكن للمرء أن يفترض بأمان أنه صحيح UTF-8:

#define ARR_LEN(x) (sizeof(x)/sizeof(x[0]))

    wstring Convert(const char * s) {
        typedef unsigned char byte;
        struct Level { 
            byte Head, Data, Null; 
            Level(byte h, byte d) {
                Head = h; // the head shifted to the right
                Data = d; // number of data bits
                Null = h << d; // encoded byte with zero data bits
            }
            bool encoded(byte b) { return b>>Data == Head; }
        }; // struct Level
        Level lev[] = { 
            Level(2, 6),
            Level(6, 5), 
            Level(14, 4), 
            Level(30, 3), 
            Level(62, 2), 
            Level(126, 1)
        };

        wchar_t wc = 0;
        const char * p = s;
        wstring result;
        while (*p != 0) {
            byte b = *p++;
            if (b>>7 == 0) { // deal with ASCII
                wc = b;
                result.push_back(wc);
                continue;
            } // ASCII
            bool found = false;
            for (int i = 1; i < ARR_LEN(lev); ++i) {
                if (lev[i].encoded(b)) {
                    wc = b ^ lev[i].Null; // remove the head
                    wc <<= lev[0].Data * i;
                    for (int j = i; j > 0; --j) { // trailing bytes
                        if (*p == 0) return result; // unexpected
                        b = *p++;   
                        if (!lev[0].encoded(b)) // encoding corrupted
                            return result;
                        wchar_t tmp = b ^ lev[0].Null;
                        wc |= tmp << lev[0].Data*(j-1);
                    } // trailing bytes
                    result.push_back(wc);
                    found = true;
                    break;
                } // lev[i]
            }   // for lev
            if (!found) return result; // encoding incorrect
        }   // while
        return result;
    }   // wstring Convert

Answer 6

على Windows، يمكنك استخدام Tchar.h و _tmain، والتي سيتم تحويلها إلى WMAIN إذا تم تعريف رمز _unicode في وقت ترجمة، أو غير ذلك. سيتم توسيع Thar * Argv [] بالمثل وفقا لشركة Wchr * Argv [] إذا تم تعريف Unicode، والشار * Argv [] إن لم يكن.

إذا كنت ترغب في الحصول على منصة عرض أسلوبك الرئيسي، فيمكنك تحديد وحدات الماكرو الخاصة بك بنفس التأثير.

يحتوي Tchar.H على عدد من وحدات ماكرو للتحويل بين Wchar و Char.