Question

如果我有UTF-8 std::string，如何将其转换为UTF-16 std::wstring？实际上，我想比较两个波斯语单词。

Answer 1

这是一些代码。只有轻微的测试，可能会有一些改进。调用此函数将UTF-8字符串转换为UTF-16 wstring。如果它认为输入字符串不是UTF-8那么它将抛出异常，否则返回等效的UTF-16 wstring。

std::wstring utf8_to_utf16(const std::string& utf8)
{
    std::vector<unsigned long> unicode;
    size_t i = 0;
    while (i < utf8.size())
    {
        unsigned long uni;
        size_t todo;
        bool error = false;
        unsigned char ch = utf8[i++];
        if (ch <= 0x7F)
        {
            uni = ch;
            todo = 0;
        }
        else if (ch <= 0xBF)
        {
            throw std::logic_error("not a UTF-8 string");
        }
        else if (ch <= 0xDF)
        {
            uni = ch&0x1F;
            todo = 1;
        }
        else if (ch <= 0xEF)
        {
            uni = ch&0x0F;
            todo = 2;
        }
        else if (ch <= 0xF7)
        {
            uni = ch&0x07;
            todo = 3;
        }
        else
        {
            throw std::logic_error("not a UTF-8 string");
        }
        for (size_t j = 0; j < todo; ++j)
        {
            if (i == utf8.size())
                throw std::logic_error("not a UTF-8 string");
            unsigned char ch = utf8[i++];
            if (ch < 0x80 || ch > 0xBF)
                throw std::logic_error("not a UTF-8 string");
            uni <<= 6;
            uni += ch & 0x3F;
        }
        if (uni >= 0xD800 && uni <= 0xDFFF)
            throw std::logic_error("not a UTF-8 string");
        if (uni > 0x10FFFF)
            throw std::logic_error("not a UTF-8 string");
        unicode.push_back(uni);
    }
    std::wstring utf16;
    for (size_t i = 0; i < unicode.size(); ++i)
    {
        unsigned long uni = unicode[i];
        if (uni <= 0xFFFF)
        {
            utf16 += (wchar_t)uni;
        }
        else
        {
            uni -= 0x10000;
            utf16 += (wchar_t)((uni >> 10) + 0xD800);
            utf16 += (wchar_t)((uni & 0x3FF) + 0xDC00);
        }
    }
    return utf16;
}

Answer 2

使用 C ++ 11 ：

进行此操作

std::string str = "your string in utf8";
std::wstring_convert<std::codecvt_utf8_utf16<char16_t>> converter;
std::wstring wstr = converter.from_bytes(str);

这些是您需要的标题：

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

这里有一个更完整的例子： http://en.cppreference.com/w/cpp/locale/wstring_convert/from_bytes

Answer 3

有一些相关的Q＆amp; A here和here值得一读。

基本上你需要将字符串转换为通用格式 - 我的偏好总是转换为UTF-8，但你的里程可能会保持警惕。

为了进行转换，已经编写了很多软件 - 转换是向前转换的，可以在几个小时内编写 - 但为什么不是pick up something already done such as the UTF-8 CPP

Answer 4

此页面似乎也很有用：http://www.codeproject.com/KB/string/UtfConverter.aspx

在该页面的评论部分，对此任务也有一些有趣的建议，如：

// Get en ASCII std::string from anywhere
std::string sLogLevelA = "Hello ASCII-world!";

std::wstringstream ws;
ws << sLogLevelA.c_str();
std::wstring sLogLevel = ws.str();

或者

// To std::string:
str.assign(ws.begin(), ws.end());
// To std::wstring
ws.assign(str.begin(), str.end());

虽然我不确定这些方法的有效性......

Answer 5

要在两种类型之间转换，您应该使用： std::codecvt_utf8_utf16< wchar_t>
请注意，我用于定义UTF16（ L ）和UTF8（ u8 ）的字符串前缀。

#include <string>

#include <codecvt>

int main()
{

    std::string original8 = u8"הלו";

    std::wstring original16 = L"הלו";

    //C++11 format converter
    std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> convert;

    //convert to UTF8 and std::string
    std::string utf8NativeString = convert.to_bytes(original16);

    std::wstring utf16NativeString = convert.from_bytes(original8);

    assert(utf8NativeString == original8);
    assert(utf16NativeString == original16);

    return 0;
}

Answer 6

Microsoft在他们的Casablanca项目（也称为CPPRESTSDK）中开发了一个漂亮的库来进行此类转换。这在名称空间utility::conversions下标记。

它的简单用法在使用名称空间时看起来像这样

utility :: conversions

utf8_to_utf16("sample_string");

如何将UTF-8 std :: string转换为UTF-16 std :: wstring？

6 个答案: