Чтение символов вне ASCII

StackOverflow https://stackoverflow.com/questions/1818025

  •  10-07-2019
  •  | 
  •  

Вопрос

Мой друг показал мне ситуацию, когда чтение символов приводило к неожиданному поведению. Чтение символа «¤» привело к падению его программы. Я смог сделать вывод, что «¤» - это 164 десятичное число, поэтому оно находится за пределами диапазона ASCII.

Мы заметили поведение на '¤', но любой символ > 127, кажется, показывает проблему. Вопрос в том, как мы могли бы надежно читать такие символы char за char? 

int main(int argc, const char *argv[])
{
    char input;
    do
    {
        cin >> input;
        cout << input;
        cout << " " << setbase(10) << (int)input;
        cout << " 0x" << setbase(16) << (int)input;

        cout << endl;
    } while(input);
    return 0;
}


masse@libre:temp/2009-11-30 $ ./a.out 
¤
 -62 0xffffffc2
¤ -92 0xffffffa4
Это было полезно?

Решение

В вашей системе используется кодировка символов UTF-8 (как и должно быть), поэтому символ '¤' заставляет вашу программу прочитать последовательность байтов C2 A4 . Поскольку char составляет один байт, он читает их по одному. Посмотрите на wchar_t и соответствующие потоки wcin и wcout для чтения многобайтовых символов, хотя я не знаю, какие кодировки они поддерживают или как они играть с локалями.

Кроме того, ваша программа выводит недопустимый UTF-8, так что вы действительно не должны видеть эти два символа - я получаю знаки вопроса в моей системе.

(Это глупый и несколько оффтопный, но ваш while (input) должен быть while (cin) , иначе вы получите бесконечный цикл.)

Другие советы

Трудно сказать, почему программа вашего друга падает, не видя код, но это может быть потому, что вы используете char как индекс в массиве. Поскольку символы за пределами обычного диапазона ASCII превысят лимит подписанного символа, символ будет отрицательным.

вместо этого объявите 'input' как неподписанный символ

Лицензировано под: CC-BY-SA с атрибуция
Не связан с StackOverflow
scroll top