Question

我是Unicode / UTF8字符串表示的新手。我正在尝试读取UTF8编码文件，用空格分隔它，然后在每个单词中打印每个字符/代码点（用空格分隔）。

我能够使用wchar_t（我知道它在内部使用utf16或utf32（？）来从文件中读取文本，打印文件并将其写入另一个文件。但是，我无法使用wchar_t获取子字符串或逐个元素遍历它。

为了解决这个问题，我使用了IBM的ICU库。代码：

while (fgetws(readString, 1000, wifile) != NULL) {
        wprintf(L"String: %s\n", readString);
        //split string on the base of spaces.
        wchar_t *nextToken = NULL;
        wchar_t *token = wcstok_s(readString, L" ", &nextToken);
        UChar *utf8Token = (UChar *)token;
        u_printf("Token in UChar: %S\n", utf8Token);
        while (token != NULL) {
            printf("Hello.\n");
            fwprintf(wofileString, L"%ls and length: %d\n", token, wcslen(token));
            fwprintf(wofileString, L"UTF8 rep:%s and length: %d\n", utf8Token, u_strlen(utf8Token));
            int32_t counter = 0;
            for (counter = 0; counter < u_strlen(utf8Token);) {
                UChar32 ch;
                U8_NEXT(utf8Token, counter, u_strlen(utf8Token), ch);
                fwprintf(wofileString, L"Token[%d] = ", counter);
                if (ch < 127) {
                    printf("Less than 127.\n");
                    if (ch > 1) {
                        printf("Printing%d.\n", ch);
                        u_fprintf((UFILE *)wofileString, "%c\n", (UChar)ch);
                    }
                } else if (ch == CharacterIterator::DONE) {
                    printf("Done.\n");
                    u_fprintf((UFILE *)wofileString, "[CharacterIterator::DONE]\n");
                } else {
                    printf("More than 127.\n");
                    u_fprintf((UFILE *)wofileString, "[%X]\n", ch);
                }
            }
            token = wcstok_s(NULL, L" ", &nextToken);
            utf8Token = (UChar *)token;
            counter = 0;
        }
        fputws(L"Complete String: ", wofileString);
        fputws(readString, wofileString);
        fputws(L"\n", wofileString);
    }

当程序到达打印字符的部分时，该程序始终停止工作。

我的问题：
1.如何在输入的UTF8字符串中打印所有“字符”？
2.转换：UChar *utf8Token = (UChar *) token;是否正确？鉴于token的内部代表是UTF16或UTF32？
我哪里出错？
4.如何获取字符串的子字符串？

Answer 1

fwprintf(wofileString,… u_fprintf((UFILE *)wofileString,…

这两行中的一行是错误的，具体取决于wofileString实际上是什么。

我建议您只使用u_…功能。

事实上，我只使用u_printf("string", …)或u_printf_u(L"String", …)代替fwprintf或fputws。

打印UTF8字符串的每个字符

1 个答案: