将UTF-16（Windows上为wchar_t）转换为UTF32

Question

我有一个由Windows API函数（带有LOCALE_SLONGDATE的GetLocaleInfoEx）给我的字符串作为wchar_t。说从Windows返回的值是UTF-16是正确的，因此它可能不是一个wchar_t，一个＆＃34;可打印的字符＆＃34;？

为了使我的解析器编写更容易，是否有一个我可以用来将UTF-16转换为UTF-32的函数，我保证（我假设），一个数组元素代表一个字符？

Answer 1

  

我保证（我假设），一个数组元素代表一个字符？

这不是Unicode的工作方式。一个代码点（UTF-32中的数组元素）不会必然映射到单个可见字符。由于Unicode组合字符等功能，多个代码点可以组合形成一个字符。

如果您想知道Unicode字符串有多少可见字符，则必须进行真正的Unicode分析。

即使有日期（特别是您要求的长日期），您也无法安全地使用这些功能。语言环境可以返回任意Unicode字符串，因此您无法从代码点的数量知道Unicode字符串的长度。

Answer 2

查看documentation for LOCALE_SLONGDATE，声明格式图片以外的任何字符必须用单引号括起来。所以在这种特殊情况下转换为UTF-32应该可以解决你的问题（但请参阅下面的附带条款）。

但是，出于同样的原因，你并不需要。唯一不代表单个UTF-32字符的UTF-16字符是代理字符，其中没有一个可以被误认为是单引号。因此，要从周围文本中分离出格式图片，您只需要扫描UTF-16字符串以获得单引号。 （UTF-8的情况也是如此;看起来像单引号的唯一字节是单引号。）

任何代理对，组合字符或其他复杂情况应始终安全地隐藏在由此划分的子串中。如果您从不尝试细分子串本身，那么您应该是安全的。

Proviso：文档没有说明是否允许将单引号与组合字符组合在一个语言环境中，如果允许，将如何解释它。我认为这意味着这样的组合不允许。无论如何，Windows本身似乎不太可能遇到处理这种不必要的复杂问题的麻烦。所以它应该足够安全，也可以忽略这个案例，但YMMV。