UTF-8字符串的大小（以字节为单位）

Question

我使用QString存储字符串，现在我需要在POD结构中存储这些字符串（转换为UTF-8编码），如下所示：

template < int N >
struct StringWrapper
{
  char theString[N];
};

要从QString转换原始数据，我这样做：

QString str1( "abc" );
StringWrapper< 20 > str2;
strcpy( str2.theString, str1.toUtf8().constData() );

现在的问题。我注意到如果我从普通字符串转换，它可以正常工作：

QString str( "abc" );
std::cout<< std::string( str.toUtf8().constData() ) << std::endl;

将产生输出：

abc

但如果我使用一些特殊字符，例如：

QString str( "Schöne Grüße" );
std::cout<< std::string( str.toUtf8().constData() ) << std::endl;

我得到这样的垃圾：

Gr\xC3\x83\xC2\xBC\xC3\x83\xC2\x9F

我显然错过了什么，但究竟出了什么问题呢？

---

其他问题

UTF-8编码字符的最大大小是多少？我读了它here它是4个字节。

Answer 1

您需要回答的第一个问题是源文件的编码是什么？除非使用QTextStream :: setCodecForCStrings（）更改它，否则QString默认构造函数假定它是Latin1。因此，如果你的来源不是Latin1（比如说UTF-8），那么你得到的结果是错误的：

QString str( "Schöne Grüße" );

现在，如果您的来源是UTF-8，则需要将其替换为：

QString str = QString::fromUtf8( "Schöne Grüße" );

或者，更好的是，尽可能使用QObject :: trUf8（），因为它为您提供i18n功能作为免费奖励。

接下来要检查的是控制台的编码是什么。您尝试打印UTF-8字符串，但它是否支持UTF-8？如果它是Windows控制台，它可能不是。如果在具有* .UTF-8语言环境的* nix系统上使用Unicode字体的xterm兼容，那应该没问题。

致编辑问题：

我认为没有任何理由不相信维基百科，特别是当它涉及特定标准时。它还提到UTF-8曾经有多达6个字节的字符。根据我的经验，使用合理的母语字符（如拉丁语/西里尔语/希伯来语/中文/日语）可获得3个字节。 4个字节可能用于更具异国情调的东西，如果你真的很好奇，你可以随时查看标准。

Answer 2

首先出现的问题是你所说的假设。 QString不存储UTF-8，它存储unicode字符串。这就是你需要致电str1.toUtf8()的原因。它会创建一个临时的UTF-8字符串。

第二部分是UTF-8的工作原理。它是ASCII的多字节扩展。 üß不是ASCII字符，并且您确实希望两个字符都获得多字节表示。 std::cout显然不期望UTF-8。这取决于使用的std::locale。