Question

我正在尝试将UTF-16编码的字符串转换为UCS-4

如果我理解正确，C ++ 11通过codecvt_utf16提供此转换。

我的代码类似于：

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

using namespace std;

int main()
{
    u16string s;

    s.push_back('h');
    s.push_back('e');
    s.push_back('l');
    s.push_back('l');
    s.push_back('o');

    wstring_convert<codecvt_utf16<wchar_t>, wchar_t> conv;
    wstring ws = conv.from_bytes(reinterpret_cast<const char*> (s.c_str()));

    wcout << ws << endl;

    return 0;
}

注意：明确的push_backs可以解决我的clang版本（Xcode 4.2）没有unicode字符串文字这一事实。

当代码运行时，我得到终止异常。我在这里做违法的事吗？我认为它应该工作，因为我传递给wstring_convert的const char *是UTF-16编码的，对吧？我也认为字节顺序是问题，但我已经检查过情况并非如此。

Answer 1

两个错误：

1）from_bytes()重载，单个const char*需要一个以空字符结尾的字节字符串，但你的第二个字节是'\ 0'。

2）你的系统可能是little-endian，所以你需要从UTF-16LE转换为UCS-4：

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

using namespace std;

int main()
{
    u16string s;

    s.push_back('h');
    s.push_back('e');
    s.push_back('l');
    s.push_back('l');
    s.push_back('o');

    wstring_convert<codecvt_utf16<wchar_t, 0x10ffff, little_endian>,
                     wchar_t> conv;
    wstring ws = conv.from_bytes(
                     reinterpret_cast<const char*> (&s[0]),
                     reinterpret_cast<const char*> (&s[0] + s.size()));

    wcout << ws << endl;

    return 0;
}

在Windows上使用Visual Studio 2010 SP1和在Linux上使用CLang ++ / libc ++ - svn进行测试。

clang：将const char16_t *（UTF-16）转换为wstring（UCS-4）

1 个答案: