Question

我知道要在C ++中获取unicode字符，我可以这样做：

std::wstring str = L"\u4FF0";

但是，如果我想获得4FF0到5FF0范围内的所有字符怎么办？是否可以动态构建一个unicode角色？我想到的是像这样的伪代码：

for (int i = 20464; i < 24560; i++ { // From 4FF0 to 5FF0
    std::wstring str = L"\u" + hexa(i); // build the unicode character
    // do something with str
}

我如何在C ++中做到这一点？

Answer 1

wstring中保存的wchar_t类型是整数类型，因此您可以直接使用它：

for (wchar_t c = 0x4ff0;  c <= 0x5ff0;  ++c) {
    std::wstring str(1, c);
    // do something with str
}

小心尝试使用0xffff以上的字符，因为根据平台（例如Windows），它们不适合wchar_t。

例如，如果您想在字符串中看到Emoticon block，则可以创建代理项对：

std::wstring str;
for (int c = 0x1f600; c <= 0x1f64f; ++c) {
    if (c <= 0xffff || sizeof(wchar_t) > 2)
        str.append(1, (wchar_t)c);
    else {
        str.append(1, (wchar_t)(0xd800 | ((c - 0x10000) >> 10)));
        str.append(1, (wchar_t)(0xdc00 | ((c - 0x10000) & 0x3ff)));
    }
}

Answer 2

你不能将Unicode字符增加，就像它是一个数组一样，有些字符是由多个'char'（UTF-8）和多个'WCHAR（UTF-16）构成的，这是因为变音符号等等。如果你'真的很认真，你应该使用像UniScribe或ICU这样的API。

要阅读的一些资源：

http://en.wikipedia.org/wiki/UTF-16/UCS-2

http://en.wikipedia.org/wiki/Precomposed_character

http://en.wikipedia.org/wiki/Combining_character

http://scripts.sil.org/cms/scripts/page.php?item_id=UnicodeNames#4d2aa980

http://en.wikipedia.org/wiki/Unicode_equivalence

http://msdn.microsoft.com/en-us/library/dd374126.aspx

Answer 3

怎么样：

for (std::wstring::value_type i(0x4ff0); i <= 0x5ff0; ++i)
{
    std::wstring str(1, i);
}

请注意，代码尚未经过测试，因此可能无法按原样编译。

此外，鉴于您正在使用的平台wstring的字符单元可能是2,4或N字节宽，所以应该有意使用它。

如何在C ++中迭代unicode字符？

3 个答案: