Question

我正在尝试在我的c ++应用程序中使用立陶宛语，但每次尝试都是不成功的。

使用多字节字符集。我已经尝试了所有我想要的东西，我是c ++的新手。从来没有尝试用立陶宛语做某事。

尝试每setlocale(LC_ALL, "en_US.utf8"); setlocale(LC_ALL, "Lithuanian"); ...

研究了2个小时，没有找到合适的例子，解决方案。

我确实有一个平均大小的项目，需要从数据库中进行立陶宛语翻译，而且它无法理解“ĄČĘĖĮŠŲŪąčęėįšųū”的大部分内容。

编译器 - “Visual studio 2013” 数据库 - sqlite3。

我无法使用简单的字符串（自己定义），甚至可以输出立陶宛语作为win32应用程序。

Answer 1

在Windows中，使用宽字符串（¹ UTF-16编码，wchar_t类型）进行内部文本处理，最好使用UTF-8进行外部文本文件和网络。

请注意，Visual C ++会将源文件中的窄文本文字转换为Windows ANSI，这是一种依赖于平台的通常是单字节编码（您可以通过GetACP API函数检查哪一个），即Visual C ++具有特定于平台的Windows ANSI作为其窄C ++执行字符集。

但是请注意，对于仅限于非Windows平台的应用程序，即Unix-land，根据char类型执行UTF-8中的所有操作都是切实可行的。

对于数据库通信，您可能需要在程序的内部文本表示中进行翻译。

这取决于数据库接口需要什么，这没有说明。

Windows中控制台输出的示例：

#include <iostream>

#include <fcntl.h>
#include <io.h>

auto main() -> int
{
    _setmode( _fileno( stdout ), _O_WTEXT );

    using namespace std;
    wcout << L"ĄČĘĖĮŠŲŪąčęėįšųū" << endl;
}

要使用g ++进行默认编译，源代码编码必须为UTF-8。然后，为了使用Visual C ++生成正确的结果，源代码编码需要是带有BOM 的UTF-8 ，现代版本的g ++也很乐意接受它。否则，Visual C ++编译器将采用Windows ANSI编码并生成不正确的UTF-16字符串。

这并非巧合，这是Windows中 UTF-8 的默认含义，例如：在记事本编辑器中，即带有BOM的UTF-8。

但请注意，虽然在Windows中问题是主系统编译器需要用于UTF-8的BOM，但在Unix版本中，问题恰恰相反，许多旧工具可以＆＃39; t处理 BOM（例如，即使MinGW g ++ 4.9.1还没有完全达到速度：它有时包括BOM字节，然后错误解释，在错误消息中）。

^{¹）在其他平台上，宽字符文本可以用其他方式编码，例如使用UTF-32。实际上，Windows约定与C和C ++标准直接冲突，这些标准要求单个wchar_t应该能够对扩展字符集中的任何字符进行编码。然而，这个要求是AFAIK，在Windows采用UTF-16之后施加，所以错误可能在于C和C ++标准化过程的政治，而不是另一个微软的主义。}

Answer 2

国际化的复杂性

有几个相关但不同的主题可能导致它们之间的不匹配，使得尝试和错误方法非常乏味：

类型：默认情况下，Windows iuses wchar_t，但对于大多数API，您还有char等效函数
< / LI>
字符集编码，它定义了如何理解存储在类型中的字符。例如unicode（UTF8，UTF16，UTF32），7位ascii，8位ansii。在windows中，默认情况下wchar_t为UTF16，char为ansi / windows
locale 在处理字符串时定义了字符集的假设等。这允许使用与isalpha(i, loc)，islower(i, loc)，ispunct(i, loc)等语言无关的函数来查明给定字符是否为字母数字，小写字母或标点符号，例如用户文字成文字。 C ++提供了便携式功能。
输出代码页或字体。这假定font used使用代码内部使用的相同字符集显示字符。
源代码编码。例如，您的编辑器可以采用带有Windows 1252字符集的ansi编码。

最典型的错误

问题n°1是Win32控制台输出，因为控制台不能很好地支持unicode。但这不是你的问题。

不匹配的另一个原因是文本编辑器的编码。它可能不是unicode，但使用Windows代码页。在这种情况下，您键入“Č”，编辑器将其显示为此类，但编辑器可能会对立陶宛语使用windows 1257编码并在文件中存储0xC8。如果你随后用windows unicode函数显示这个文字，它会将0xC8解释为“latin E grave accent”并打印其他东西，因为“Č”的右unicode编码是0x010C！

我可能更糟糕：编译器可能有自己的关于使用的字符集编码的假设，并使用错误的假设将你的litteral转换为unicode（当我使用一些奇特的代码生成开关时，它发生在我身上）。

怎么办？

要弄清楚是什么，请继续消除：

首先，对于普通窗口，请使用本机unicode设置。好的是它的UTF16和wchar_t而不是UTF8，因此它带有some drawbacks，但它是原生的并得到很好的支持。
然后在litterals中使用明确的unicode编码，例如TEXT("\u010C")而不是TEXT("Č")。这可以避免编辑器和编译器不匹配。
如果它仍然不是正确的字符，请确保您的字体完全支持unicode。例如，默认的系统字体不会像大多数其他字体那样。您可以使用Windows字体pannel（WindowKey + R字体然后单击“搜索字符”）轻松检查以显示字体的字符表。
在代码中明确设置字体

例如，一个非常微小的实验：

...
case WM_PAINT:
{
    hdc = BeginPaint(hWnd, &ps);
    auto hf = CreateFont(24, 0, 0, 0, 0, TRUE, 0, 0, 0, 0, 0, 0, 0, L"Times New Roman");
    auto hfOld = SelectObject(hdc, hf); // if you comment this out, € and Č won't display
    TextOut(hdc, 50, 50, L"Test with éç € \u010C special chars", 30);
    SelectObject(hdc, hfOld);
    DeleteObject(hf);
    EndPaint(hWnd, &ps);
    break;
}

c ++立陶宛语，如何获得比ascii更多的东西

2 个答案: