Преобразование из UTF-8 в ANSI wcstombs терпит неудачу в одном специальном символе

Я хочу изменить wchar_t*, как это показано на char*. Преобразования, как в WideCharToMultibyte, не должны выполняться.

Я нашел функцию wcstombs, и она выглядела так, как будто она работает отлично, но есть один символ, который не изменяется должным образом.

Это "œ", у него есть номер 156 ANSI, но в UTF-8 это номер 339. Конечно, ASCII имеет не так много цифр, но почему он ошибается?

Здесь часть моего исходного кода, я добавил цикл и если так, чтобы он работал:

    wchar_t *wc;    // source string
    char *cc;       // destination string
    int len = 0;    // length of the strings

    ...

    for(int i = 0; i < len; i++) {
            if(wc[i] != 339) {
                    cc[i] = wc[i];
            }else{
                    cc[i] = 156;
            }
    }

Этот Кодекс работает, но если серьезно, это лучший способ решить эту проблему?

Спасибо заранее!

Источник

2 ответа

Я хочу изменить wchar_t*, как это показано на char *.

Хорошо, вы хотите конвертировать из wchar_t Строки для char строки.

Преобразования, как в WideCharToMultibyte, не должны выполняться.

Какие? Я полагаю, вы не имеете в виду "не нужно делать никаких преобразований", но только с одним примером я не могу сказать, чего вы хотите избежать. Просто WideCharToMultibyte или есть другие функции?

Я нашел функцию wcstombs, и она выглядела так, как будто работает отлично,

wcstombs похоже на WideCharToMultibyte для меня, но я думаю, что это в некотором роде важно для вас? Было бы хорошо, если бы вы могли описать, что именно делает wcstombs приемлемо и WideCharToMultibyte неприемлемый.

но есть один символ, который не меняется правильно.

Похоже, это не работает идеально...

Это "œ", у него есть номер 156 ANSI, но в UTF-8 это номер 339. Конечно, ASCII имеет не так много цифр, но почему он ошибается?

Вы, вероятно, имеете в виду, что в CP1252 'œ' кодируется как 156 в десятичном виде или 0x9C в шестнадцатеричном формате, и что этот символ имеет кодовую точку Unicode 339 в десятичном или более условно U+0153. Я вообще не понимаю, откуда в этом дело UTF-8.

Здесь часть моего исходного кода, я добавил цикл и если так, чтобы он работал:

Что касается того, почему вы не получаете ожидаемых результатов, это, вероятно, потому, что вы не используете wcstombs() правильно. Трудно сказать, потому что вы не показываете, как вы делаете преобразование с wcstombs(),

wcstombs() преобразует между wchar_t а также char используя кодировки, указанные в текущей локали программы на языке C. Если вы установили языковой стандарт, который использует кодировку Unicode для wchar_t и использует CP1252 для символа, то он должен делать то, что вы ожидаете.

Этот Кодекс работает, но если серьезно, это лучший способ решить эту проблему?

Нет.

Источник

Пожалуйста, имейте в виду мое полное незнание c/ C++, но вы можете использовать либо пользовательскую таблицу поиска, либо какую-то готовую функцию.

Вот массив из 256 целых чисел, где индекс i содержит кодировку Unicode для кодировки Windows-1252 i,

Так, например, индекс 156, содержит 0x0153 который 339 в десятичном.

int[] windows1252ToUnicodeCodePoints = {
         0x0000,0x0001,0x0002,0x0003,0x0004,0x0005,0x0006,0x0007,0x0008,0x0009,0x000A,0x000B,0x000C,0x000D,0x000E,0x000F
        ,0x0010,0x0011,0x0012,0x0013,0x0014,0x0015,0x0016,0x0017,0x0018,0x0019,0x001A,0x001B,0x001C,0x001D,0x001E,0x001F
        ,0x0020,0x0021,0x0022,0x0023,0x0024,0x0025,0x0026,0x0027,0x0028,0x0029,0x002A,0x002B,0x002C,0x002D,0x002E,0x002F
        ,0x0030,0x0031,0x0032,0x0033,0x0034,0x0035,0x0036,0x0037,0x0038,0x0039,0x003A,0x003B,0x003C,0x003D,0x003E,0x003F
        ,0x0040,0x0041,0x0042,0x0043,0x0044,0x0045,0x0046,0x0047,0x0048,0x0049,0x004A,0x004B,0x004C,0x004D,0x004E,0x004F
        ,0x0050,0x0051,0x0052,0x0053,0x0054,0x0055,0x0056,0x0057,0x0058,0x0059,0x005A,0x005B,0x005C,0x005D,0x005E,0x005F
        ,0x0060,0x0061,0x0062,0x0063,0x0064,0x0065,0x0066,0x0067,0x0068,0x0069,0x006A,0x006B,0x006C,0x006D,0x006E,0x006F
        ,0x0070,0x0071,0x0072,0x0073,0x0074,0x0075,0x0076,0x0077,0x0078,0x0079,0x007A,0x007B,0x007C,0x007D,0x007E,0x007F
        ,0x20AC,0xFFFD,0x201A,0x0192,0x201E,0x2026,0x2020,0x2021,0x02C6,0x2030,0x0160,0x2039,0x0152,0xFFFD,0x017D,0xFFFD
        ,0xFFFD,0x2018,0x2019,0x201C,0x201D,0x2022,0x2013,0x2014,0x02DC,0x2122,0x0161,0x203A,0x0153,0xFFFD,0x017E,0x0178
        ,0x00A0,0x00A1,0x00A2,0x00A3,0x00A4,0x00A5,0x00A6,0x00A7,0x00A8,0x00A9,0x00AA,0x00AB,0x00AC,0x00AD,0x00AE,0x00AF
        ,0x00B0,0x00B1,0x00B2,0x00B3,0x00B4,0x00B5,0x00B6,0x00B7,0x00B8,0x00B9,0x00BA,0x00BB,0x00BC,0x00BD,0x00BE,0x00BF
        ,0x00C0,0x00C1,0x00C2,0x00C3,0x00C4,0x00C5,0x00C6,0x00C7,0x00C8,0x00C9,0x00CA,0x00CB,0x00CC,0x00CD,0x00CE,0x00CF
        ,0x00D0,0x00D1,0x00D2,0x00D3,0x00D4,0x00D5,0x00D6,0x00D7,0x00D8,0x00D9,0x00DA,0x00DB,0x00DC,0x00DD,0x00DE,0x00DF
        ,0x00E0,0x00E1,0x00E2,0x00E3,0x00E4,0x00E5,0x00E6,0x00E7,0x00E8,0x00E9,0x00EA,0x00EB,0x00EC,0x00ED,0x00EE,0x00EF
        ,0x00F0,0x00F1,0x00F2,0x00F3,0x00F4,0x00F5,0x00F6,0x00F7,0x00F8,0x00F9,0x00FA,0x00FB,0x00FC,0x00FD,0x00FE,0x00FF
};

Что вам нужно, так это перевернуть эту таблицу (или выполнять линейное сканирование каждый раз), на любом другом языке я бы использовал такую ​​конструкцию, как Map<int, int>,

Источник
Другие вопросы по тегам