如何使用 c++ 查找字符是否属于特定代码页或调用winapi

Question

我们如何确定一个字符是否属于特定的代码页？ 或者我们如何确定一个字符是否适合应用程序当前活动的 IME。

Answer 1

• 首先，使用 MultiByteToWideChar
• 现在，使用 反转该过程WideCharToMultiByte 传递所需的代码页作为第一个参数。

使用 WC_ERR_INVALID_CHARS 标志，如果使用任何无效字符，WideCharToMultiByte 将彻底失败。如果您想知道目标代码页中未表示哪些字符，请使用 lpDefaultChar 和 lpUsedDefaultChar 参数。

LPCWSTR pszUtf16; // converted from utf8 source character
UINT nTargetCP = CP_ACP;
BOOL fBadCharacter = FALSE;
if(WideCharToMultiByte(nTargetCP,WC_NO_BEST_FIT_CHARS,pszUtf16,NULL,0,NULL,&fBadCharacter)
{
  if(fBadCharacter)
  {
    // at least one character in the string was not represented in nTargetCP
  } 
}

Answer 2

前面的两个答案正确地建议使用 MultiByteToWideChar 然后 WideCharToMultiByte 将 UTF-8 字符转换为 UTF-16，然后转换为当前的 Windows 代码页 (CP_ACP)。检查WideCharToMultiByte的结果，看看转换是否成功。

最初的问题不清楚的是，您在印地语方面遇到了特殊问题。对于这种语言，您的问题毫无意义，因为正如 Chris Becke 指出的那样，印地语没有 Windows ANSI 代码页。因此，您永远无法将印地语字符转换为 CP_ACP，并且 WideCharToMultiByte 将始终失败。

据我了解，要在 Windows 上使用印地语，您必须是调用 Unicode API 的 Unicode 应用程序。

Answer 3

使用 Windows 函数 WideCharToMultiByte 和 MultiByteToWideChar 您可以在 UTF-8 和 16 位 Unicode 字符之间进行转换。这些函数具有参数来指定代码页并指定遇到无效字符时的行为。

Answer 4

谢谢克里斯..我正在运行以下代码

#define CP_HINDI 0 
#define CP_JAPANESE 932
#define CP_ENGLISH 1252

wchar_t wcsStringJapanese = 'あ';
wchar_t wcsStringHindi = 'र';
wchar_t wcsStringEnglish = 'A';

int main()  
{ 

    BOOL usedDefaultCharacter = FALSE;

    /* Test for ENGLISH */
    WideCharToMultiByte( CP_ENGLISH,
                        0, &wcsStringEnglish,
                        -1,  
                        NULL,
                        0, 
                        NULL, 
                        &usedDefaultCharacter); 
    printf("usedDefaultCharacters for English? %d \n",usedDefaultCharacter);

    usedDefaultCharacter = FALSE;

    /*TEST FOR JAPANESE */

     WideCharToMultiByte( CP_JAPANESE,
                         0,
                         &wcsStringJapanese,
                        -1,  
                        NULL,
                        0, 
                        NULL, 
                        &usedDefaultCharacter); 
    printf("usedDefaultCharacters for Japanese? %d \n",usedDefaultCharacter);

    //TEST FOR HINDI 
    usedDefaultCharacter = FALSE;

    WideCharToMultiByte( CP_HINDI,
                        0, 
                        &wcsStringHindi,
                        -1,  
                        NULL,
                        0, 
                        NULL, 
                        &usedDefaultCharacter); 
    printf("usedDefaultCharacters for Hindi? %d \n",usedDefaultCharacter);   

}

上面的代码返回：

usedDefaultCharacters for English？ 0

使用日语默认字符？ 0

使用了印地语的默认字符？ 1

第三行不正确，因为印地语的代码页是 0 ，并且传递的字符串由印地语字符组成，并且usedDefaultChar 仍然设置为 1 .. 不应该是这种情况。