Question

我正在使用Curl从网站上读取文字。所有的原始数据都是按字符返回

return memEof(mp) ? EOF : (int)(*(unsigned char *)(mp->readptr++));

我的问题是，所有特殊人物如ÄÖÜäöüß等都是错的，看起来非常神秘。我目前正在通过使用此表调整其值来手动更正它们：

http://www.barcoderesource.com/barcodeasciicharacters.shtml

我现在想知道，如果有更优雅的方式来做这件事，以及其他人如何解决这些问题。

Answer 1

我猜你必须使用像iconv之类的外部库来创建一个包含数据的wchar_t字符串。这取决于使用的字符编码。

Answer 2

这是编码问题。如果你逐字节读取数据，你可以正确，轻松地处理单字节编码（如ISO-8859“系列”等等），前提是你有办法在目标编码中正确转换它们，如果你需要的话。但是使用像UTF-8这样的编码你不太幸运，因为要获得正确的代码，你需要读取1个字节，或者2个，或者三个......如果你将它们串流成一个字符串，并完全打印字符串，输出设备的编码与输入编码相同，无论如何都会显示正确的字符。

如果没有发生，并且您没有打印每个字节就好像它是一个符号，那么输出设备的编码与编写字符串的编码不匹配。

如果输出，一旦你打印字符串“altogether”看起来没问题，那么问题是你将每个字节解释为单个字符，而它不是（你有一个多字节编码的char就像特殊的你一样）提到;可能是UTF-8，但也可能不是。）

如果在两种情况下都得到相同的结果（当你逐个打印每个字节并输出一个保持整个字节序列的字符串时），那么输出设备的预期编码就像输入编码那样是单字节编码，但他们不匹配。

进一步的细节需要知道你如何收集你读取的字节，以便打印它们并说它们看起来很神秘。

一个例子。

const char *string = "\xc3\xa8\xc3\xb2\xc3\xa0";
int i;
for(i = 0; string[i] != 0; i++)
{
   printf("%c\n", string[i]);
   // using \n is important; if you "sequence" the chars and the output enc is
   // utf-8, you obtain the right output
}
printf("%s", string);

如果输出设备编码为UTF-8，则会得到不同的结果;如果它是单字节编码，你获得相同的输出（除了换行符），但就我所写的内容而言是“错误的”，即èòà。

“Latin”中的“相同”文字是“\ xe8 \ xf2 \ xe0”。 Latin1是单字节编码，因此上述语音适用。如果在了解utf-8的终端上打印，你可以获得类似 ...

的内容

因此，编码很重要，设备/格式输出编码也很重要，您必须知道两者，以便正确处理和显示文本。（关于格式，一个例子可能是html，你可以在其中指定内容的编码......你必须是连贯的，你会看到一切都很好）

C：转换特殊的ASCII字符ÄÖÜ

2 个答案: