Question

这是关于Unicode的初学者问题。我正在使用Embarcadero C ++ Builder 2009，他们应该将默认字符串更改为使用Unicode。

我在源代码编辑器中输入了各种符号，这些符号不属于标准的“7位ASCII”。
我的程序正在使用C ++ Builder的String类型来获取用户输入。
我也通过将值设置为wchar_t来手动添加输入。

似乎解释符号的方式存在冲突。有时我得到一个符号，例如代码0x00C7（'Ç'），但有时相同的符号被编码为0xFFC7，例如在源代码编辑器中。据我了解，前者是正确的Unicode，后者是“别的东西”。有人可以证实这一点吗？

我想知道这个“别的”编码来自哪里，以及如何摆脱它？

编辑：进一步研究：似乎出现0xFF **编码的地方是我做这样的事情：

string str = ...;
wchar_t wch = (wchar_t)str[i];

相同的结果，无论是std :: string还是VCL String。 wchar_t与Unicode不一样吗？

Answer 1

我猜测问题是你的编译器char已签名（标准允许它是有符号或无符号的，它是实现定义的/特定的）。因此，无论何时将第7位设置为1（0x80到0xFF）的字符转换为任何较大的整数类型，都将其视为负值，并进行符号扩展以保留负值，或者换句话说，第7位被复制到第8位，第9位，依此类推，进入较大整数类型的所有较高位。因此，0xC7可以变为0xFFC7和0xFFFFFFC7。为防止这种情况发生，请先将chars强制转换为unsigned chars。

Answer 2

宽字符类型w_type是实现定义的，不需要与Unicode字符的概念相对应。查看description of w_type in the Unicode Standard。

如果“Ç”更改为0xFFC7，它看起来非常像符号扩展，即字符内部存储为字节0xC7，然后将其作为带符号的8位整数并转换为带符号的16位整数扩展

Unicode转换问题

2 个答案: