0

假设我有一个像“äa”这样的字符数组。有没有办法获得第一个字符的 ascii 值（例如 228），它是一个多字节？即使我将数组转换为 wchar_t * 数组，我也无法获得“ä”的 ascii 值，因为它有 2 个字节长。有没有办法做到这一点，我现在尝试了 2 天 :(

我正在使用 gcc。

谢谢！

4

5 回答 5

4

你在自相矛盾。像 ä 这样的国际字符（根据定义）不在ASCII 字符集中，因此它们没有“ascii 值”。

这取决于您的两个字符数组的确切编码，是否可以获得单个字符的代码点，如果可以，它将采用哪种格式。

于 2010-03-05T12:43:29.773 回答
2

你很困惑。ASCII 只有小于 128 的值。值 228 对应于 8 位字符集 ISO-8859-1、CP1252 和其他一些字符集中的 ä。它也是 Unicode 系统中 ä 的 UCS 值。如果您使用字符串文字“ä”并获得一个包含两个字符的字符串，则该字符串实际上是以 UTF-8 编码的，您可能希望解析 UTF-8 编码以获取 Unicode UCS 值。

您真正想要做的更有可能是从一个字符集转换为另一个字符集。如何执行此操作在很大程度上取决于您的操作系统，因此需要更多信息。您还需要指定您到底想要什么？可能是 ISO-8859-1 的 std::string 或 char* 吗？

于 2010-03-05T12:54:59.770 回答
1

有一个标准的 C++ 模板函数可以进行这种转换，ctype::narrow()。它是本地化库的一部分。如果可能，它会将宽字符转换为您当前本地的等效字符值。正如其他答案所指出的那样，并不总是存在映射，这就是为什么 ctype::narrow() 采用默认字符，如果没有映射，它将返回该字符。

于 2010-03-05T12:59:55.590 回答
1

取决于您的 char 数组中使用的编码。

如果您的 char 数组是拉丁 1 编码的，那么它的长度为 2 个字节（加上可能是 NUL 终止符，我们不在乎），这 2 个字节是：

  • 0xE4（小写变音符号）
  • 0x61（小写a）。

请注意，Latin 1 不是 ASCII，0xE4 不是 ASCII 值，它是 Latin 1（或 Unicode）值。

你会得到这样的值：

int i = (unsigned char) my_array[0];

如果您的 char 数组是 UTF-8 编码的，那么它是三个字节长，这些字节是：

  • 二进制 11000011（UTF-8 编码 0xE4 的第一个字节）
  • 二进制 10100100（UTF-8 编码 0xE4 的第二个字节）
  • 0x61（小写a）

要恢复使用 UTF-8 编码的字符的 Unicode 值，您要么需要根据http://en.wikipedia.org/wiki/UTF-8#Description自己实现它（在生产代码中通常是一个坏主意），否则您需要使用特定于平台的 unicode-to-wchar_t 转换例程。在 linux 上这是mbstowcsor iconv，尽管对于单个字符，mbtowc只要为当前语言环境定义的多字节编码实际上是 UTF-8，您就可以使用：

wchar_t i;
if (mbtowc(&i, my_array, 3) == -1) {
    // handle error
}

如果它是 SHIFT-JIS 那么这不起作用......

于 2010-03-05T12:58:06.027 回答
0

您想要的称为音译-将一种语言的字母转换为另一种语言。它与 unicode 和 wchars 无关。你需要有一个映射表。

于 2010-03-05T12:45:04.613 回答