c++ - 如何实现跨平台的C++亚洲字符？

Question

我想用C++(我的系统是OSX)为日语实现一些字符串处理。这似乎比听起来要难得多。我读了很多书，但基本的东西还是有问题。

我希望我的代码也能在其他机器上编译和运行。根据我目前所读的内容，这似乎排除了 wchar_t 数据类型。

• 我应该用哪种数据类型来表示我的日文字符？
• 如果我使用 char，我会得到一个错误，指出数据不适合 char-data type。那我应该使用什么其他数据类型呢？
• 是否有任何可以接受的方法来使用standard c++ 处理wide-char 语言而没有陷阱，或者如果我坚持标准C++？

Answer 1

为什么不用 wchar_t 和 wstring？是的，在某些平台上是 4 个字节，在其他平台上是 2 个字节；尽管如此，它仍然具有围绕它构建的一堆字符串处理 RTL 例程的优势。 Cocoa 的 NSString/CFString 是每个字符 2 个字节(就像 Windows 上的 wchar_t)，但它非常不可移植。

您必须小心持久性和有线格式 - 确保它们不依赖于 wchar_t 的大小。

实际上，这取决于您的优化优先级。如果您有密集的处理(解析等)，请使用 wchar_t。如果您希望与主机系统顺利交互，请选择符合主机操作系统假设的任何格式。

将 wchar_t 重新定义为两个字节也是一个选项。它是 GCC 的 -fshort-wchar。您将失去 wcs* RTL 的整个主体和 STL 的很大一部分，但在与主机系统交互时，代码页转换会更少。它碰巧在那里的两个大牌移动平台(一个以水果为主题，一个以机器人为主题)碰巧有两个字节字符串作为它们的 native 格式，但默认情况下是 4 字节 wchar_t。 -fshort-wchar 对两者都有效，我试过了。

以下是桌面和移动平台的便捷摘要:

• Windows、Windows Phone、Windows RT、Windows CE:wchar_t 是 2 字节，操作系统使用 UTF-16
• Vanilla 桌面 Linux:wchar_t 是 4 字节，操作系统使用 UTF-8，各种框架可能使用谁知道什么(Qt，特别是使用 UTF-16)
• MacOS X、iOS:wchar_t 是 4 字节，操作系统使用 UTF-16，用户区带有一个替代的基于 2 字节的字符串 RTL
• Android:wchar_t为4字节，OS使用UTF-8，但与Java交互层使用UTF-16
• Samsung bada:wchar_t 是 2 字节，userland API 使用 UTF-16，无论如何 POSIX 层都严重瘫痪所以谁在乎