¿Cómo saber si el texto en el portapapeles de Windows es ISO 8859 o UTF-8 en C ++?

StackOverflow https://stackoverflow.com/questions/165551

  •  03-07-2019
  •  | 
  •  

Pregunta

Me gustaría saber si hay una manera fácil de detectar si el texto en el portapapeles está en ISO 8859 o UTF-8?

Aquí está mi código actual: 

    COleDataObject  obj;

    if (obj.AttachClipboard())
    {
        if (obj.IsDataAvailable(CF_TEXT))
        {
            HGLOBAL hmem = obj.GetGlobalData(CF_TEXT);
            CMemFile sf((BYTE*) ::GlobalLock(hmem),(UINT) ::GlobalSize(hmem));
            CString buffer;

            LPSTR str = buffer.GetBufferSetLength((int)::GlobalSize(hmem));
            sf.Read(str,(UINT) ::GlobalSize(hmem));
            ::GlobalUnlock(hmem);

            //this is my string class
            s->SetEncoding(ENCODING_8BIT);
            s->SetString(buffer);
        }
    }
}
¿Fue útil?

Solución

Consulte la definición de CF_LOCALE en esta página de Microsoft . Le indica la configuración regional del texto en el portapapeles. Mejor aún, si usas CF_UNICODETEXT en su lugar, Windows se convertirá a UTF-16 para ti.

Otros consejos

UTF-8 tiene una estructura definida para bytes que no son ASCII. Puede escanear en busca de bytes > = 128, y si se detecta alguno, verifique si forman una cadena UTF-8 válida.

Los formatos de bytes UTF-8 válidos se pueden encontrar en Wikipedia : 

Unicode             Byte1           Byte2           Byte3           Byte4
U+000000-U+00007F   0xxxxxxx
U+000080-U+0007FF   110xxxxx        10xxxxxx
U+000800-U+00FFFF   1110xxxx        10xxxxxx        10xxxxxx
U+010000-U+10FFFF   11110xxx        10xxxxxx        10xxxxxx        10xxxxxx

respuesta anterior:

No tiene que hacerlo: todo el texto ASCII es válido en UTF-8, por lo que puede decodificarlo como UTF-8 y funcionará como se esperaba.

Para probar si contiene caracteres que no son ASCII, puede buscar bytes > = 128.

Puedo equivocarme, pero creo que no puede hacerlo: si abro un archivo UTF-8 sin Bom en mi editor, se muestra de forma predeterminada como ISO-8859-1 (mi ubicación), y al lado de un uso extraño de caracteres acentuados extranjeros (para mí), no tengo una pista visual sólida de que sea UTF-8 (a menos que esté codificado de otra manera en otro lugar, por ejemplo, declaración de juego de caracteres en HTML o XML): es un texto Ansi perfectamente válido.

John escribió " todo el texto ASCII es válido en UTF-8 " pero lo contrario es cierto.

Windows XP + utiliza naturalmente UTF-16, y tiene un formato de portapapeles para él, pero AFAIK simplemente ignora UTF-8, sin ningún tratamiento especial para él.
(Bueno, hay una API para convertir UTF-8 a UTF-16 (o Ansi, etc.), en realidad).

Puede consultar para ver obj.IsDataAvailable (CF_UNICODETEXT) para ver si hay disponible una versión Unicode de lo que está en el portapapeles.

-Adam

Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow
scroll top