c++ - UTF-8 符号写入终端输出

Question

我一直在努力理解 operator<< 的工作原理的 std::cout在 C++ 中。我发现它会打印 UTF-8 符号，例如:简单的程序是:

#include <iostream>

unsigned char t[] = "ي";
unsigned char m0 = t[0];
unsigned char m1 = t[1];

int main()
{
    std::cout << t << std::endl;           // Prints ي
    std::cout << (int)t[0] << std::endl;   // Prints 217
    std::cout << (int)t[1] << std::endl;   // Prints 138
    std::cout << m0 << std::endl;          // Prints �
    std::cout << m1 << std::endl;          // Prints �
}

DEMO

产生输出的终端如何确定它必须解释t作为单个符号 ي , 但不是两个符号 � � ？

Answer 1

您正在处理两种不同的类型，unsigned char[] 和 unsigned char。如果你在 t 上做 sizeof，你会发现它占用了三个字节，strlen( t ) 将返回 2。 另一方面hand，m0 和m1 是单个字符。

当你输出一个 unsigned char[] 时，它被转换成一个unsigned char*，流输出所有字节直到它遇到 '\0'(这是 t 中的第三个字节)。什么时候你输出一个unsigned char，流输出就是那个字节。所以在你的第一行，输出设备接收2个字节，然后是行尾。在最后两个中，它收到1个字节，然后是行尾。那个字节，其次是行尾，不是合法的 UTF-8 字符，所以显示设备显示一些东西来表明有错误，或者它不理解。

使用 UTF-8(或任何其他多字节编码)时，您无法从字符串中提取单个字节并期望它们有任何实际意义。