U+ 到底是什么？代表以及为什么我不能在我的 C++ 中创建 Unicode 中间字符串表？应用？

Question

我正在尝试将应用程序从 Java + Swing 转换为 C++ + Qt。有一次我不得不处理一些 Unicode 中间体。在 Java 中，这相当容易：

private static String[] hiraganaTable = {
    "\u3042", "\u3044", "\u3046", "\u3048", "\u304a", 
    "\u304b", "\u304d", "\u304f", "\u3051", "\u3053", 
    ...
}

...而在 C++ 中我遇到了问题：

QString hiraganaTable[] = {
    "\x30\x42", "\x30\x44", "\x30\x46", "\x30\x48", "\x30\x4a", 
    "\x30\x4b", "\x30\x4d", "\x30\x4f", "\x30\x51", "\x30\x53", 
    ...
};

我无法在 VS2008 中使用 \u，因为我收到了一堆以下形式的警告：

universal-character-name '\u3042' 表示的字符无法在当前代码页 (1250) 中表示

并且不要说我愚蠢，我尝试使用文件 - >高级保存选项无济于事，代码页没有'似乎根本没有改变。似乎这是一个已知问题： 如何在 Visual C++ 2008 中创建 UTF-8 字符串文字

我使用的表相当短，因此在 Vim 和一些入门级 regexp-magic 的帮助下，我能够将其转换为 < strong>\x30\x42 表示法。不幸的是，QString 无法从这样的输入正确初始化。我尝试了一切。 fromAscii()、fromUtf8()、fromLocal8Bit()、QString(QByteArray)，这些都有效。然后，尝试将没有BOM的U+3042写入文件，然后以十六进制模式查看它，我发现它实际上是“E3 81 82”。突然，这样的条目似乎可以与 QString::fromAscii() 配合使用。现在我想知道“U+”在“U+3042”中究竟代表多少（因为0xE38182 - 0x3042 = E35140，也许我最好将这个魔术常数添加到我所有想要的Unicode字符中？）。我应该如何从这里继续获取正确的 UTF-8 字符串数组？

Answer 1

问题是 C++ 是基于 C 的，而 C 的历史可以追溯到 ASCII 时代。 “默认”C 字符串“abc”是 8 位。不过，您的 Visual C++ 编译器具有 16 位 Unicode (UTF-16) 文字，语法略有不同：L"abc\u3042"。此类文字的类型是 wchar_t[N] 而不是 char[N]，您可以将它们存储在 std::wstring 中。

Qt 完全理解 wchar_t 并且可以直接从它们构造 QString，而不会出现转换问题。

Answer 2

您看到的是该字符的 UTF-8 编码。

>>> u'\u3042'.encode('utf-8').encode('hex')
'e38182'

如果你把它们全部写成 UTF-8 那么你应该没问题。

“U+”仅表示您正在查看 Unicode 代码点，而不是某些特定的编码。

编辑：

一个小脚本可以帮助您开始使用Python（与上面相同的语言）：

>>> print ',\n'.join(', '.join('"%s"' % (y.encode('utf-8').encode('string-escape')
      ,) for y in x) for x in [u'あいうえお', u'かきくけこ', u'さしすせそ'])
"\xe3\x81\x82", "\xe3\x81\x84", "\xe3\x81\x86", "\xe3\x81\x88", "\xe3\x81\x8a",
"\xe3\x81\x8b", "\xe3\x81\x8d", "\xe3\x81\x8f", "\xe3\x81\x91", "\xe3\x81\x93",
"\xe3\x81\x95", "\xe3\x81\x97", "\xe3\x81\x99", "\xe3\x81\x9b", "\xe3\x81\x9d"

Answer 3

“U+dddd”，其中每个 d 是一个十六进制数字，表示一个 Unicode 代码点。

不能在 8 位字符中存储 16 位值；这是你遇到的主要问题。

使用宽字符，例如（这些是字符串文字）L"\0x3042" 或 L"\u3042"。

然后弄清楚如何让 QString 接受这些。

注意：Visual C++ 将为文字内使用的 \U 表示法发出愚蠢的警告，而 g++ 将为文字外使用的该表示法发出愚蠢的警告。

干杯&呵呵，，