- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这是作业。我不是在寻找代码,只是在寻找讨论,以及关于如何进行的高级建议。
我目前正在完成一项作业,将文件中的 UTF-16 字符转换为输出文件中的 UTF-32 字符,反之亦然。作业说第一步是处理只包含少于 10 位字符的文件,但我很困惑。这是我们的第一个作业,虽然我使用过 C++,但我从未真正使用过 C。
I have been reading the RFC about such conversions (S.2.1)我觉得我理解得很好。我知道 UTF-32 字符实际上是 10 位前面有 6 位定义它的组成(我相信 110110 表示第一对 16 位,110111 表示第二对“32”)。 UTF-16 字符是否以 6 个前导 0 开头?
还是 UTF-16 字符仅少于 10 位,一旦您遇到 10 位字符,您就知道遇到了 UTF-32 位字符?
我想我真正的问题是他们所说的“10 位字符”是什么意思,它可以是 8、16 等。但是对我提到的任何内容的任何见解都会很棒!
最佳答案
作业措辞不当且具有误导性。
Unicode 定义的代码点值最多可以占用 20 位(U+0000 到 U+10FFFF)。所有 UTF 编码(UTF-8、UTF-16 和 UTF-32)都支持所有 20 位,只是方式不同。
UTF-8 和 UTF-16 是可变长度编码。编码给定代码点所需的字节数取决于实际代码点值。 UTF-8 使用 1、2、3 或 4 个 8 位代码单元。 UTF-16 使用 1 个或 2 个 16 位代码单元。
UTF-32 是一种定长编码。它始终使用 1 个 32 位代码单元,因为大多数系统没有 20 位数据类型。
实现 UTF 转换非常容易(它们被设计为可以互换),但您首先需要知道源文件实际使用的是哪种编码。如果文件以 UTF-16 BOM 开头,这很容易检测到。 但是,如果不存在 BOM,则您需要向用户询问编码,或者使用数据的启发式分析来尝试动态检测编码。
一旦你知道了编码,剩下的就很简单了:
如果是 UTF-16,以 16 位 block (一次 1 个代码单元)读取文件,根据需要组合相邻的 UTF-16 代理代码单元(非常容易检测)。对于每个完整的序列,提取编码的 16/20 位并将它们输出为单个 UTF-32 代码单元。
如果是 UTF-32,则以 32 位 block (一次 1 个代码单元)读取文件,提取 20 位,并根据需要将它们作为 1 或 2 个 UTF-16 代码单元输出。
作业中最困难的部分是确定源文件的编码。
关于检查文件是否仅包含 < 10 位字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18646633/
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 要求提供代码的问题必须表现出对所解决问题的最低限度理解。包括尝试过的解决方案、为什么它们不起作用,以及预
为什么在 C# 中添加两个 char 结果是 int 类型? 例如,当我这样做时: var pr = 'R' + 'G' + 'B' + 'Y' + 'P'; pr 变量变为 int 类型。我希望它是
下面的代码可以编译,但 char 类型的行为与 int 类型的行为不同。 特别是 cout ::ikIsX >() ::ikIsX >() ::ikIsX >() using names
我正在寻找一个正则表达式,它可以匹配长度为 1 个或多个字符但不匹配 500 的内容。这将在 Rails 路由文件中使用,特别是用于处理异常。 路线.rb match '/500', to: 'err
对于 C 编程作业,我正在尝试编写几个头文件来检查所谓的“X 编程语言”的语法。我最近才开始,正在编写第一个头文件。这是我编写的代码: #ifndef _DeclarationsChecker_h_
为什么扩展的 ascii 字符(â、é 等)被替换为 字符? 我附上了一张图片...但我正在使用 PHP 从 MySQL 中提取数据,其中一些位置有扩展字符...我使用的是 Arial 字体。 您可以
我有一个与 R 中的断线相关的简单问题。 我正在尝试粘贴,但在获取(字符/数字)之间的断线时遇到问题。请注意,这些值包含在向量中(V1=81,V2=55,V3=25)我已经尝试过这段代码: cat(p
如何将 ANSI 字符 (char) 转换为 Unicode 字符 (wchar_t),反之亦然? 是否有用于此目的的任何跨平台源代码? 最佳答案 是的,在 中你有mbstowcs()和 wcsto
函数 fromCharCode 不适用于国际 ANSI 字符。例如,对于 ID 为 192 到 223 的俄语 ANSI (cp-1251) 字符,它返回特殊字符。如何解决这个问题? 我认为,需要将A
如果不喜欢,我想隐藏 id,但不起作用 SELECT * FROM character, character_actor WHERE character.id NOT LIKE character_a
现在这个程序成功地反转了键盘输入的单词。但是我想在我反转它之前“保存”指针中的单词,所以我可以比较两者,反转的和“原始的”,并检查它们是否是回文。我还没有太多经验,可能会出现比我知道的更多的错误,但我
Memcpy 和 memcmp 函数可以接受指针变量吗? char *p; char* q; memcpy(p,q,10); //will this work? memcmp(p,q,10); //w
恐怕我对一个相当过饱和的主题的细节有疑问,我搜索了很多,但找不到一个明确的答案来解决这个特定的明显-imho-重要的问题: 使用UTF-8将byte[]转换为String时,每个字节(8bit)都变成
我有一个奇怪的问题。我需要从 stat 命令打印输出字符串。 我已经编写了获取一些信息的代码。 import glob import os for file in glob.glob('system1
我正在使用 Java 并具有其值如下所示的字符串, String data = "vale-cx"; data = data.replaceAll("\\-", "\\-\\"); 我正在替换其中的“
String urlParameters = "login=test&password=te&ff"; 我有一个String urlParams,& - 是密码的一部分,如何使其转义,从而不被识别为分
大家好,我只想从此字符串中提取第一个字母: String str = "使 徒 行 傳 16:31 ERV-ZH"; 我只想获取这些字符: 使 徒 行 傳 并且不包括 ERV-ZH 仅数
这个问题已经有答案了: Crash or "segmentation fault" when data is copied/scanned/read to an uninitialized point
所以, 我有一个字符**;它本质上是一个句子,带有指向该句子中每个单词的指针;即 'h''i''\0''w''o''r''l''d''\0''y''a''y''!''\0' 在这种情况下,我希望使用可
这个问题在这里已经有了答案: Using quotation marks inside quotation marks (12 个答案) 关闭 7 年前。 如何打印 " 字符? 我知道打印 % 符号
我是一名优秀的程序员,十分优秀!