c++ - 如何使 QChar.unicode() 报告组合字符的 utf-16 表示？

Question

我正在尝试为 Code page 437 编写编解码器.我的计划是只传递 ASCII 字符并将剩余的 128 个字符映射到一个表中，使用 utf-16 值作为键。

对于某些组合字符(带点的字母、波浪号等)，该字符似乎占用两个 QChars。

打印程序参数的 utf-16 值的测试程序:

#include <iostream>
#include <QString>

using namespace std;

void print(QString qs)
{
    for (QString::iterator it = qs.begin(); it != qs.end(); ++it)
        cout << hex << it->unicode() << " ";
    cout << "\n";
}

int main(int argc, char *argv[])
{
    for (int i = 1; i < argc; i++)
        print(QString::fromStdString(argv[i]));
}

一些输出:

$ ./utf16 Ç ü é
c3 87 
c3 bc 
c3 a9 

早有预料

c387
c3bc
c3a9

尝试了 QString 中可用的各种规范化形式，但没有一个比默认的字节数少。

因为 QChar 是 2 个字节，所以它应该能够在一个对象中保存上述字符的值。为什么 QString 使用两个 QChars？如何获取组合的 unicode 值？

Answer 1

1. QString::fromStdString 需要一个 ASCII 字符串并且不进行任何解码。请改用 fromLocal8Bit。

2. 您预期的输出是错误的。例如，Ç 是 U+00C7，所以您应该期望 C7，不是 C3 87 的 UTF-8 编码!

如果您按如下方式修改 main()，您将获得预期的 Unicode 代码点。对于每个字符，第一行列出了本地编码(此处为 Utf-8)，因为 fromStdString 本质上是一个空操作，直接传递所有内容。第二行列出了正确解码的 Unicode 代码点索引。

$ ./utf16 Ç ü é
c3 87 
c7 
c3 bc 
fc 
c3 a9 
e9 

int main(int argc, char *argv[])
{
    for (int i = 1; i < argc; i++) {
        print(QString::fromStdString(argv[i]));
        print(QString::fromLocal8Bit(argv[i]));
    }
}