C++ & Boost：编码/解码 UTF-8

Question

我正在尝试做一个非常简单的任务：获取一个支持 unicode 的 wstring 并将其转换为 string，编码为 UTF8 字节，然后以相反的方式：获取包含 UTF8 字节的 string 并将其转换为支持 unicode 的 wstring。

问题是，我需要它跨平台，我需要它与 Boost 一起工作......而我似乎无法找到让它工作的方法。我一直在玩

• http:// /www.edobashira.com/2010/03/using-boost-code-facet-for-reading-utf8.html 和
• http://www.boost.org/doc/libs/1_46_0 /libs/serialization/doc/codecvt.html

尝试将代码转换为使用 stringstream/wstringstream 而不是文件无论如何，但似乎没有任何作用。

例如，在 Python 中，它看起来像这样：

>>> u"שלום"
u'\u05e9\u05dc\u05d5\u05dd'
>>> u"שלום".encode("utf8")
'\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d'
>>> '\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d'.decode("utf8")
u'\u05e9\u05dc\u05d5\u05dd'

我最终想要的是：

wchar_t uchars[] = {0x5e9, 0x5dc, 0x5d5, 0x5dd, 0};
wstring ws(uchars);
string s = encode_utf8(ws); 
// s now holds "\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d"
wstring ws2 = decode_utf8(s);
// ws2 now holds {0x5e9, 0x5dc, 0x5d5, 0x5dd}

我真的不想添加对 ICU 的另一个依赖项或本着这种精神的东西......但根据我的理解，这应该是可能的与升压。

一些示例代码将不胜感激！谢谢

Answer 1

谢谢大家，但最终我求助于 http://utfcpp.sourceforge.net/ - 这是一个标题 -唯一一个非常轻量且易于使用的库。我在这里分享一个演示代码，如果有人觉得它有用的话：

inline void decode_utf8(const std::string& bytes, std::wstring& wstr)
{
    utf8::utf8to32(bytes.begin(), bytes.end(), std::back_inserter(wstr));
}
inline void encode_utf8(const std::wstring& wstr, std::string& bytes)
{
    utf8::utf32to8(wstr.begin(), wstr.end(), std::back_inserter(bytes));
}

用法：

wstring ws(L"\u05e9\u05dc\u05d5\u05dd");
string s;
encode_utf8(ws, s);

Answer 2

注释中已经有一个 boost 链接，但在几乎标准的 C++0x 中，有 wstring_convert

#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
int main()
{
    wchar_t uchars[] = {0x5e9, 0x5dc, 0x5d5, 0x5dd, 0};
    std::wstring_convert<std::codecvt_utf8<wchar_t>> conv;
    std::string s = conv.to_bytes(uchars);
    std::wstring ws2 = conv.from_bytes(s);
    std::cout << std::boolalpha
              << (s == "\xd7\xa9\xd7\x9c\xd7\x95\xd7\x9d" ) << '\n'
              << (ws2 == uchars ) << '\n';
}

在使用 MS Visual Studio 2010 EE SP1 或使用 CLang++ 2.9 编译时执行此输出

true 
true

Answer 3

Boost.Locale 在 Boost 1.48（2011 年 11 月 15 日）中发布，使得从 UTF8/16 到 UTF8/16 的转换变得更容易。

以下是文档中的一些方便的示例：

string utf8_string = to_utf<char>(latin1_string,"Latin1");
wstring wide_string = to_utf<wchar_t>(latin1_string,"Latin1");
string latin1_string = from_utf(wide_string,"Latin1");
string utf8_string2 = utf_to_utf<char>(wide_string);

几乎与 Python 编码/解码一样简单:)

请注意 Boost .Locale 不是一个仅包含标头的库。

Answer 4

有关处理 utf8 的 std::string/std::wstring 的直接替换，请参阅 TINYUTF8。

与 结合使用，您可以漂亮地转换从/到 utf8 的每个编码都有很多，然后您可以通过上面的库进行处理。