Question

我正在为一个使用文件作为参数的应用程序编写一个小包装器。

包装器必须是Unicode，所以我使用wchar_t作为我拥有的字符和字符串。现在我发现自己遇到了问题，我需要在wchar_t和wchar_t字符串数组中包含程序的参数。

有可能吗？我将main函数定义为

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

我应该对argv使用wchar_t吗？

非常感谢，我似乎没有找到有关如何在C中正确使用Unicode的有用信息。

Answer 1

一般来说，没有。它取决于O / S，但C标准说'main（）'的参数必须是'main（int argc，char ** argv）'或等价，所以除非char和wchar_t是相同的基本类型，你不能这样做。

话虽如此，你可以在程序中获得UTF-8参数字符串，将它们转换为UTF-16或UTF-32，然后继续生活。

在Mac（10.5.8，Leopard）上，我得到了：

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

这是所有UTF-8编码的。（odx是一个十六进制转储程序）。

另请参阅：Why is it that UTF-8 encoding is used when interacting with a UNIX/Linux environment

Answer 2

便携式代码不支持它。 Windows（例如）支持使用wmain而不是main，在这种情况下，argv作为宽字符传递。

Answer 3

在Windows上，您可以使用GetCommandLineW()和CommandLineToArgvW()生成argv样式的wchar_t[]数组，即使该应用程序未针对Unicode进行编译。

Answer 4

在Windows上，您可以使用wmain()进行UNICODE构建。虽然不便携。如果GCC或Unix / Linux平台提供类似的东西，我不知道。

Answer 5

假设你的Linux环境使用UTF-8编码，那么下面的代码将准备你的程序，以便在C ++中轻松进行Unicode处理：

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

接下来，wchar_t类型在Linux中是32位，这意味着它可以保存单独的Unicode代码点，并且您可以安全地使用wstring类型进行C ++中的经典字符串处理（逐个字符）。使用上面的setlocale调用，插入wcout将自动将输出转换为UTF-8，从wcin中提取将自动将UTF-8输入转换为UTF-32（1个字符= 1个代码点）。唯一的问题是argv [i]字符串仍然是UTF-8编码。

您可以使用以下函数将UTF-8解码为UTF-32。如果输入字符串已损坏，它将返回正确转换的字符，直到UTF-8规则被破坏的位置。如果您需要更多错误报告，可以改进它。但对于argv数据，可以安全地假设它是正确的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

在Windows上，您可以使用tchar.h和_tmain，如果在编译时定义了_UNICODE符号，则将其转换为wmain，否则为main。如果定义了unicode，TCHAR * argv []将同样扩展为WCHAR * argv []，否则将扩展为char * argv []。

如果您希望主要方法跨平台工作，可以将自己的宏定义为相同的效果。

TCHAR.h包含许多用于在wchar和char之间进行转换的便利宏。

是否可以使用Unicode“argv”？

6 个答案: