- 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
我正在尝试转换 Windows wchar_t[]
到 UTF-8 编码 char[]
这样就可以调用 WriteFile
将产生 UTF-8
编码文件。我有以下代码:
#include <windows.h>
#include <fileapi.h>
#include <stringapiset.h>
int main() {
HANDLE file = CreateFileW(L"test.txt", GENERIC_ALL, 0, NULL, OPEN_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);
const wchar_t source[] = L"hello";
char buffer[100];
WideCharToMultiByte(CP_UTF8, 0, source, sizeof(source)/sizeof(source[0]), buffer, sizeof(buffer)/sizeof(buffer[0]), NULL, NULL);
WriteFile(file, buffer, sizeof(buffer), NULL, NULL);
return CloseHandle(file);
}
这会生成一个文件,其中包含:“hello”,但后面还有大量垃圾。
关于这件事的一些事情让我认为这个问题不仅仅是简单地将多余的字符转储到 buffer
中。并且转换没有正常进行,所以我更改了 source
正文如下:
const wchar_t source[] = L"привет";
这次得到了以下垃圾:
然后想想它可能会感到困惑,因为它正在寻找一个空终止符但没有找到,即使指定了长度?所以我再次更改源字符串:
const wchar_t source[] = L"hello\n";
得到以下垃圾:
我是 WinAPI 的新手,主要不是 C 开发人员,所以我确定我遗漏了一些东西,我只是不知道还能尝试什么。
编辑:按照 RbMm 的建议删除了多余的垃圾,因此英文打印正确。然而,俄语仍然是垃圾,只是更短的垃圾。与 zett42 的评论相反,我最确定使用的是 UTF-8 文本编辑器。
UTF-8 doesn't need a BOM , 但无论如何添加一个都会产生:
这很奇怪。我期望相同的文本具有稍大的二进制大小。相反,什么都没有。
编辑:
由于有些人热衷于坚持我正在使用写字板的想法,下面是写字板的样子
我显然没有使用写字板。我正在使用 VS Code,尽管无论是在 VS Code、Visual Studio、记事本还是 Notepad++ 中打开垃圾都是相同的。
编辑:
这是俄语输出的十六进制转储:
最佳答案
更新 3:十六进制输出表明源文件在编译的某个地方被误解了。没有使用 UTF-8,而是使用了 Windows Codepage 1252,这意味着字符串在编译程序中的编码错误。因此,输出文件中存储的字节序列是C3 90 C2 Bf C3 91 E2 82 AC C3 90 C2 B8 90 C2 B2 C3 90 C2 B5 C3 91 E2 80 9A
而不是正确的 D0 BF D1 80 D0 B8 D0 B2 D0 B5 D1 82
。
如何解决这个问题取决于工具链。 MSVC 有 /utf-8
设置源和执行字符集的标志。您可能认为这是非常多余的,因为您已经将源文件保存为 UTF-8 格式?事实证明,写字板并不是唯一需要 BOM 来检测 UTF-8 的软件。以下文档摘录解释了整个编码问题的原因。
By default, Visual Studio detects a byte-order mark to determine if the source file is in an encoded Unicode format, for example, UTF-16 or UTF-8. If no byte-order mark is found, it assumes the source file is encoded using the current user code page, unless you have specified a code page by using /utf-8 or the /source-charset option.
在 Visual Studio 17 中,您还可以通过在Configuration Properties > General > Project Defaults 中设置Character Set 来配置字符集。如果您使用 cmake,您可能不会遇到这个问题,因为它开箱即用地正确配置了所有内容。
更新 2:有些编辑器可能无法从像这样的短字节序列中推断出内容是 UTF-8,这将导致您看到的乱码输出。您可以在文件开头添加 UTF-8 字节顺序标记 (BOM) 以帮助这些编辑器,尽管这不是最佳做法,因为它混淆了元数据和内容,破坏了 ASCII 向后兼容性并且可以正确检测 UTF-8没有它。它主要是遗留软件,如 Microsoft 的写字板,需要 BOM 将文件解释为 UTF-8。
if (WriteFile(file, "\xef\xbb\xbf", 3, NULL, NULL) == 0) { goto error; }
更新:带有一些基本错误处理的代码:
#include <windows.h>
#include <fileapi.h>
#include <stringapiset.h>
int main() {
int ret_val = -1;
const wchar_t source[] = L"привет";
HANDLE file = CreateFileW(L"test.txt", GENERIC_ALL, 0, NULL, OPEN_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);
if (file == INVALID_HANDLE_VALUE) { goto error_0; }
size_t required_size = WideCharToMultiByte(CP_UTF8, 0, source, -1, NULL, 0, NULL, NULL);
if (required_size == 0) { goto error_0; }
char *buffer = calloc(required_size, sizeof(char));
if (buffer == NULL) { goto error_0; }
if (WideCharToMultiByte(CP_UTF8, 0, source, -1, buffer, required_size, NULL, NULL) == 0) { goto error_1; }
if (WriteFile(file, buffer, required_size - 1, NULL, NULL) == 0) { goto error_1; }
if (CloseHandle(file) == 0) { goto error_1; }
ret_val = 0;
error_1:
free(buffer);
error_0:
return ret_val;
}
旧:您可以执行以下操作,这将很好地创建文件。对 WideCharToMultiByte
的第一次调用用于确定存储 UTF-8 字符串所需的字节数。确保将源文件保存为 UTF-8,否则源字符串将无法在源文件中正确编码。
以下代码只是一个简单粗暴的示例,缺乏严格的错误处理。
#include <windows.h>
#include <fileapi.h>
#include <stringapiset.h>
int main() {
HANDLE file = CreateFileW(L"test.txt", GENERIC_ALL, 0, NULL, OPEN_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);
const wchar_t source[] = L"привет";
size_t required_size = WideCharToMultiByte(CP_UTF8, 0, source, -1, NULL, 0, NULL, NULL);
char *buffer = (char *) calloc(required_size, sizeof(char));
WideCharToMultiByte(CP_UTF8, 0, source, -1, buffer, required_size, NULL, NULL);
WriteFile(file, buffer, required_size - 1, NULL, NULL);
free(buffer);
return CloseHandle(file);
}
关于在 Windows 上的 C 中使用 WideCharToMultiByte 将 UTF-16 转换为 UTF-8,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57134511/
UTF-8、UTF-16 和 UTF-32 之间有何区别? 据我所知,它们都将存储 Unicode,并且每个都使用不同数量的字节来表示字符。选择其中之一是否有优势? 最佳答案 当 ASCII 字符代表
好的。我知道这看起来像典型的“他为什么不直接用谷歌搜索或去 www.unicode.org 查一下?”问题,但对于这样一个简单的问题,在检查了两个来源后,我仍然无法回答。 我很确定这三种编码系统都支持
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
UTF-16 是一种双字节字符编码。交换两个字节的地址将产生 UTF-16BE 和 UTF-16LE。 但我发现在 Ubuntu gedit 文本编辑器中存在名称 UTF-16 编码,以及 UTF-1
我想将 UTF-16 字符串转换为 UTF-8。我通过 Unicode 发现了 ICU 库。我在转换时遇到问题,因为默认设置是 UTF-16。我试过使用转换器: UErrorCode myError
UTF-16 需要 2 个字节,UTF-8 需要 1 个字节。 而USB是面向8bit的,UTF-8更自然。 UTF-8 向后兼容 ASCII,而 UTF-16 则不然。 UTF-16 需要 2 个字
我对将 unicode 字符转换为十六进制值有点困惑。 我正在使用这个网站获取字符的十六进制值。 ( https://www.branah.com/unicode-converter ) 如果我输入“
我已经用UTF-8编码创建了一个文件,但是我不了解其在磁盘上占用的大小的规则。这是我的完整研究: 首先,我创建了一个带有印地语字母“'”的文件,Windows 7上的文件大小为 8个字节。 现在带有两
如何将WideString(或其他长字符串)转换为UTF-8中的字节数组? 最佳答案 这样的功能将满足您的需求: function UTF8Bytes(const s: UTF8String): TB
我有一个奇怪的验证程序,用于验证utf-8字符串是否是有效的主机名(PHP中的Zend Framework主机名valdiator)。它允许IDN(国际化域名)。它将比较每个子域与由其十六进制字节表示
在 utf16 和 utf32 中,一个字节的零是否意味着空?就像在 utf8 中一样,还是我们需要 2 个和 4 个字节的零来相应地在 utf16 和 utf32 中创建 null? 最佳答案 在
这是基于我的观察,对于 mysql,默认字符集 utf8 有点误导,它不支持完整的 Unicode,因为它无法存储四字节 UTF-8 编码的字符。它实际上是 utf8mb4 字符集,它是完整的 Uni
我只有处理 ASCII(单字节字符)的经验,并且阅读了很多关于人们如何以不同方式处理 Unicode 的帖子,这些帖子提出了他们自己的一系列问题。 此时我对 Unicode 的了解非常有限,我读到过U
我明白 std::codecvt在 C++11 中执行 UTF-16 和 UTF-8 之间的转换,并且 std::codecvt执行 UTF-32 和 UTF-8 之间的转换。是否可以在 UTF-8
我正在编写一个 HTTP 服务器并使用 trivial-utf-8:write-utf-8-bytes 来响应请求。我听说Babel就像trivial-utf-8但效率更高,所以我想试一试。搜索了一段
我正在设计一个新的 CMS,但想要设计它来满足我 future 的所有需求,比如多语言内容,所以我认为 Unicode (UTF-8) 是最好的解决方案 但是通过一些搜索我得到了这篇文章 http:/
例如,假设我在字符串中有以下 xml: 如果我尝试将其插入到带有 Xml 列的 SQL Server 2005 数据库表中,我将收到以下错误(我使用的是 EF 4.1,但我认为这无关紧要): XM
我正在使用 Python CSV 库读取两个 CSV 文件。 一种使用 UTF-8-BOM 编码,另一种使用 UTF-8 编码。在我的实践中,我发现使用“utf-8-sig”作为编码类型可以读取这两个
假设我的数据库设置如下以使用 utf-8(mysql 中的完整 4mb 版本) mysql_query("SET CHARACTER SET utf8mb4"); mysql_query("SET N
我是一名优秀的程序员,十分优秀!