c++ - 使用 C++ 将越南语字符从 ISO88591、UTF8、UTF16BE、UTF16LE、UTF16 编码为十六进制，反之亦然

Question

我已经编辑了我的帖子。目前我正在尝试做的是对来自用户的输入字符串进行编码，然后将其转换为十六进制格式。如果它不包含任何越南字符，我可以正确地完成它。如果我的 inputString 是“Hello”。但是当我尝试输入诸如“Tôi”之类的字符串时，我不知道该怎么做。

    enum Encodings { USASCII, ISO88591, UTF8, UTF16BE, UTF16LE, UTF16, BIN, OCT, HEX };

    switch (Encodings)
        {
        case USASCII:
            ASCIIToHex(inputString, &ascii); //hello output 48656C6C6F
            return new ByteField(ascii.c_str());
        case ISO88591:
            ASCIIToHex(inputString, &ascii);//hello output 48656C6C6F
                                              //tôi output 54F469
            return new ByteField(ascii.c_str());
        case UTF8:
            ASCIIToHex(inputString, &ascii);//hello output 48656C6C6F
                                           //tôi output 54C3B469
            return new ByteField(ascii.c_str());
        case UTF16BE:
            ToUTF16(inputString, &ascii, Encodings);//hello output 00480065006C006C006F
                                                    //tôi output 005400F40069
            return new ByteField(ascii.c_str());
        case UTF16:
        ToUTF16(inputString, &ascii, Encodings);//hello output FEFF00480065006C006C006F
                                                //tôi output FEFF005400F40069
            return new ByteField(ascii.c_str());
        case UTF16LE:
            ToUTF16(inputString, &ascii, Encodings);//hello output 480065006C006C006F00
                                                    //tôi output 5400F4006900
            return new ByteField(ascii.c_str());
        }

void StringUtilLib::ASCIIToHex(std::string s, std::string * result)
{
    int n = s.length();
    for (int i = 0; i < n; i++)
    {
        unsigned char c = s[i];
        long val = long(c);
        std::string bin = "";
        while (val > 0)
        {
            (val % 2) ? bin.push_back('1') :
                bin.push_back('0');
            val /= 2;
        }
        reverse(bin.begin(), bin.end());
        result->append(ConvertBinToHex(bin));
    }
}

std::string ToUTF16(std::string s, std::string * result, int encodings) {
    int n = s.length();
    if (encodings == UTF16) {
        result->append("FEFF");
    }
    for (int i = 0; i < n; i++)
    {
        int val = int(s[i]);
        std::string bin = "";
        while (val > 0)
        {
            (val % 2) ? bin.push_back('1') :
                bin.push_back('0');
            val /= 2;
        }
        reverse(bin.begin(), bin.end());
        if (encodings == UTF16 || encodings == UTF16BE) {
            result->append("00" + ConvertBinToHex(bin));
        }
        if (encodings == UTF16LE) {
            result->append(ConvertBinToHex(bin) + "00");
        }

    }
}

std::string ConvertBinToHex(std::string str) {
    long long temp = atoll(str.c_str());
    int dec_value = 0;
    int base = 1;
    int i = 0;
    while (temp) {
        int last_digit = temp % 10;
        temp = temp / 10;
        dec_value += last_digit * base;
        base = base * 2;
    }
    char hexaDeciNum[10];
    while (dec_value != 0)
    {
        int temp = 0;
        temp = dec_value % 16;
        if (temp < 10)
        {
            hexaDeciNum[i] = temp + 48;
            i++;
        }
        else
        {
            hexaDeciNum[i] = temp + 55;
            i++;
        }
        dec_value = dec_value / 16;
    }
    str.clear();
    for (int j = i - 1; j >= 0; j--) {
        str = str + hexaDeciNum[j];
    }
    return str;
}

Answer 1

这个问题完全不清楚。要对某些内容进行编码，您需要输入吗？因此，当您说“将越南字符编码为 UTF8、UTF16”时，您的输入字符串是什么，在转换为 UTF-8/16 之前的编码是什么？你如何输入它？从文件还是控制台？

你究竟为什么要先转换为二进制然后再转换为十六进制？您可以直接从字节打印为二进制和十六进制，无需从二进制转换为十六进制。请注意，像这样转换为二进制文件对于测试来说很好，但在生产代码中效率非常低。我也不知道你所说的是什么意思“但是如果我的字母是“Á”或“À”，这是一个越南字母，我无法得到它的值(value)”。请出示minimal, reproducible example连同输入/输出

---

但我认为您只想从源代码中的字符串文字输出 UTF 编码字节，例如“ÁÀ”。在那种情况下，它不被称为“编码字符串”，而只是“输出字符串”

Unicode 中的Á 和À 都可以用precomposed characters 表示(U+00C1 和 U+00C0)或 combining characters (A + U+0301 ◌́/U+0300 ◌̀)。您可以通过在 Unikey 中选择 “Unicode dựng sẵn” 或 “Unicode tổ hợp” 在它们之间切换。假设这些字符是字符串文字形式，那么 std::string str = "ÁÀ" 包含一系列字节，这些字节对应于源文件编码中的上述字母。因此，根据您将 *.cpp 文件保存为哪种编码(CP1252、CP1258、UTF-8...)，输出字节值将不同

要强制使用 UTF-8/16/32 编码，您只需分别使用 u8、u 和 U 后缀，以及正确的类型(char8_t、char16_t、char32_t 或 std::u8string/std::u16string /std::u32string)

std::u8string  utf8  = u8"ÁÀ";
std::u16string utf16 = u"ÁÀ";
std::u32string utf32 = U"ÁÀ";

然后只需使用 c_str() 获取底层缓冲区并打印字节。在 C++14 中，std::u8string 尚不可用，因此只需将文件保存为 UTF-8 并使用 std::string。类似地，您可以直接从 std::cin 读取 std::u*string 以打印用户输入字符串的编码

编辑:

要在 UTF 编码之间进行转换，请使用标准 std::codecvt , std::wstring_convert , std::codecvt_utf8_utf16 ...

处理非 Unicode 编码比较棘手，需要一些外部库，如 ICU或依赖于操作系统的 API

• WideCharToMultiByte和 MultiByteToWideChar在 Windows 上
• iconv在 Linux 上

限制为 ISO-8859-1 使其更容易，但您仍然需要许多查找表，并且无法在不丢失信息的情况下将其他编码转换为 ASCII