Question

我从参数中获得了一些字符串数据，例如&#55357;&#56842;。

这些是Unicode的UTF-16代理项对，表示为十进制。

如何将它们转换为Unicode代码点，例如＆＃34; U + 1F62C＆＃34;使用标准库？

Answer 1

您可以轻松地手动。从高unicode点到代理对和后面的algorythm并不那么难。 UTF16上的维基百科页面说：

U + 10000到U + 10FFFF

0x010000，在0..0x0FFFFF范围内留下一个20位数字。
前十位（0..0x03FF范围内的数字）被添加到0xD800以给出第一个16位代码单元或高代理，它将在0xD800..0xDBFF范围内。
低十位（也在0..0x03FF范围内）被添加到0xDC00以提供第二个16位代码单元或低代理，它将在0xDC00..0xDFFF范围内。

这只是按位，和/或移位，可以简单地用C或C ++实现。

正如您所说，您想使用标准库，您要求的是从两个16位UTF-16代理转换为一个32位unicode代码点，因此codecvt是您的朋友，前提是您可以在C ++ 11或更高版本中编译。

以下是在小端架构上处理您的值的示例：

#include <iostream>
#include <locale>
#include <codecvt>

int main() {
    std::codecvt_utf16<char32_t, 0x10ffffUL,
    std::codecvt_mode::little_endian> cvt;
    mbstate_t state;

    char16_t pair[] = { 55357, 56842 };
    const char16_t *next;

    char32_t u[2];
    char32_t *unext;

    cvt.in(state, (const char *) pair, (const char *) (pair + 2),
        (const char *&) next, u, u+1, unext);

    std::cout << std::hex << (uint16_t) pair[0] << " " << (uint16_t) pair[1]
        << std::endl;
    std::cout << std::hex << (uint32_t) u[0] << std::endl;

    return 0;
}

输出符合预期：

d83d de0a
1f60a

如何在C ++中将UTF-16代理十进制转换为UNICODE

1 个答案:

U + 10000到U + 10FFFF