C++如何从UTF-8的码点创建无符号字符？

Question

我正在使用一个C++库，并需要从UTF-8代码点创建一个无符号字符。例如，如果代码点是十进制610（一个“拉丁字母小型大写G”），我该如何在C++中创建它？

在javascript中，我可以执行以下操作：

var temp = String.fromCharCode(610);
console.log(temp); // Outputs a small 'G' (correct)
var codePoint = temp.charCodeAt(0);
console.log(codePoint); // Outputs 610 (correct)

在C++中尝试过：

unsigned char temp = (unsigned char)610;
// compiles, but
Debug::WriteLine((int)temp); // outputs 98 (??)

请提供一个C++代码示例，以执行与上面的javascript示例相同的操作。

环境是托管C++，但我想避免使用CLR类型，因为我正在与第三方库进行接口交互。

- FredL

---

Debug 的类型是什么？Debug 是否识别 UTF？因为 C++ 的输出流不支持 UTF，所以你需要一个库来处理 UTF，特别是 UTF8。 - Mooing Duck

unsigned char 只能保证存储值到 255；而 Unicode 码点可以更大。你的问题没有被清楚地陈述。 - Kerrek SB

啊，如果能做到这一点，生活会变得轻松许多...... - David Heffernan

不存在所谓的UTF-8代码点，您是指UTF-8代码单元还是Unicode代码点？ - dalle

Debug::WriteLine 看起来像是 .NET ... 似乎是 C++/CLI！？ - mmmmmmmm

Answer 1

unsigned char是一个8位的字符类型，无符号的范围是从0到255，因此它不能存储610这个值，会绕回*

使用char16_t来存储16位字符（或者使用char32_t来存储32位字符，UTF-8需要）。

char32_t temp = (char32_t)610;
Debug::WriteLine(temp); // outputs 610 (!!)

如果您想处理UTF-8字符串，请使用UTF-8字符串字面量：

u8"I'm a UTF-8 string."

---

*即使在您的示例中，它也会重复两次:

610 - 256 - 256 = 98

- user142019

---

请注意，这里使用的char16_t和char32_t是作为代码点使用的。 - Mooing Duck

@MooingDuck，您忘了提到char16_t无法足够大地容纳每个码点，并且应该因此避免使用。可以使用char16_t字符串来按照Windows的要求容纳UTF-16。 - Mark Ransom

Answer 2

Unicode代码点可能需要32位表示。在大多数西方语言中，16位就足够了，但为了处理所有可能的Unicode代码点，确实需要32位。

uint32_t codePoint = someString.CodePointAt(x);

你可以在这里阅读更多关于它的信息：http://en.wikipedia.org/wiki/Code_point。

- Jörgen Sigvardsson

---

Unicode使用高达21位。没有数值数据类型可以表示17-31位的数据，因此您需要一个32位的数值类型才能表示21位的数据。 - Remy Lebeau

Answer 3

如果您想创建一个指向Unicode代码点610的UTF-8表示的无符号字符，可以执行以下操作：

char unsigned temp[] = { 0xc9, 0xa2 };

- mmmmmmmm