如何在c ++中检查字符的unicode值范围

Question

我是C ++新手，来自非CS背景。因此，如果这个问题很愚蠢或者之前已经得到回答，请原谅我。

我在c ++中有一个字符串，语言是泰卢固语。

std::string str = "ఉంది"; // (it means exists; pronounced as Vundi)
std::string substring = str.substr(0,3);

上面的子字符串是“ఉ”（发音为Vu），其unicode十六进制值为0C09。

如何从子字符串中获取值0C09？ 目的是检查子串是否在Telugu（0C00-0C7F）的有效范围内。

我已经看到了他们应用于obj-c，java，php，c＃等的其他问题。我正在寻找使用std :: string的c ++。

根据评论，我在joelonsoftware.com/articles/Unicode.html阅读了该文章。

让我用更多信息更新我的问题。 我使用的是Fedora 19 x86_64，编码是UTF-8。控制台能够正确显示文本。

根据文章，如果我理解正确，ASCII是单字节字符，unicode是多字节字符。上面的代码示例反映了这里，每个unicode字符的长度为3个字节。除了讨论UTF-8 /文本编码和多字节字符之外，本文在检测unicode字符串的语言方面没有提供实际帮助。

可能我应该重新提出我的问题：

如何在C ++中检测unicode字符串的语言？

提前感谢您的帮助。

Answer 1

使用字符串我得到的结果是

std::string str = "ఉంది"; // (it means exists; pronounced as Vundi)
unsigned short i =str[0];
printf("%x %d",i,i);

输出“ffeo 65504”

但是当我使用wstring即

std::wstring str = L"ఉంది"; // (it means exists; pronounced as Vundi)
unsigned short i =str[0];
printf("%x %d",i,i);

输出为“c09 3081”，我认为这是正确的输出。 我不确定，但那就是你想要的。让我知道

Answer 2

您可以使用ICU，也可以通过查看字符串中的连续字符来手动将UTF-8转换为UTF-16/32。有关UTF-8多字节字符的说明，请参阅here。

ICU还包括unicode字符属性，这可能有用，例如用于检测脚本。

std::string没有对UTF-8到UTF-16/32转换的任何内置支持，因此substr也无法返回unicode字符。

Answer 3

您需要将编码（可能是utf8）（char *）转换为宽字符（wchar_t）。

有关此转化的详情，您可以看到this post或this one。