c ++：获取宽字符的ascii值

Question

假设我有一个像“äa”这样的字符数组。 有没有办法获得第一个字符的ascii值（例如228），这是一个多字节？ 即使我将我的数组转换为wchar_t *数组，我也无法获得“ä”的ascii值，因为它的长度为2个字节。 有没有办法做到这一点，我现在尝试2天:(

我正在使用gcc。

谢谢！

Answer 1

你自相矛盾。像ä这样的国际字符（根据定义）不是在中的ASCII字符集，因此它们没有“ascii值”。

这取决于你的双字符数组的确切编码，如果你能得到单个字符的代码点，如果是，那么它将采用哪种格式。

Answer 2

你很困惑。 ASCII仅具有小于128的值。值228对应于8位字符集ISO-8859-1，CP1252和其他一些中的ä。它也是Unicode系统中ä的UCS值。如果您使用字符串文字“ä”并获得两个字符的字符串，则该字符串实际上以UTF-8编码，您可能希望解析UTF-8编码以获取Unicode UCS值。

你真正想要做的就是从一个字符集转换到另一个字符集。如何做到这一点在很大程度上取决于您的操作系统，因此需要更多信息。您还需要指定您想要的内容？可能是ISO-8859-1的std :: string或char *？

Answer 3

取决于char数组中使用的编码。

如果你的char数组是拉丁文1编码的，那么它长2个字节（加上可能是NUL终结符，我们不关心），那2个字节是：

• 0xE4（小写一个变音符号）
• 0x61（小写a）。

请注意，Latin 1不是ASCII，0xE4不是ASCII值，它是拉丁语1（或Unicode）值。

你会得到这样的价值：

int i = (unsigned char) my_array[0];

如果你的char数组是UTF-8编码的，那么它是三个字节长，那些字节是：

• 二进制11000011（UTF-8的第一个字节编码为0xE4）
• 二进制10100100（UTF-8的第二个字节编码为0xE4）
• 0x61（小写a）

要恢复使用UTF-8编码的字符的Unicode值，您需要根据http://en.wikipedia.org/wiki/UTF-8#Description自己实现它（通常是生产代码中的一个坏主意），否则您需要使用平台 - 特定的unicode-to-wchar_t转换例程。在linux上，这是mbstowcs或iconv，但对于单个字符，您可以使用mbtowc，前提是为当前语言环境定义的多字节编码实际上是UTF-8：

wchar_t i;
if (mbtowc(&i, my_array, 3) == -1) {
    // handle error
}

如果它是SHIFT-JIS那么这不起作用......

Answer 4

有一个标准的C ++模板函数可以进行转换，ctype::narrow()。它是localization library的一部分。如果可能的话，它会将宽字符转换为当前本地的等效字符值。正如其他答案所指出的那样，并不总是有一个映射，这就是为什么ctype :: narrow（）接受一个默认字符，如果没有映射它将返回它。

Answer 5

你想要的是音译 - 将一种语言的字母转换成另一种语言。它没有关于unicode和wchars的东西。你需要有一个映射表。