1

我的应用程序是用 C++'11 开发的，使用 Qt5。在此应用程序中，我需要将 UTF-8 文本存储为 Windows-1250 编码文件。我尝试了以下两种方法，并且都适用于罗马尼亚语 'ș' 和 'ț' 字符:(

    1. 
    auto data = QStringList() << ... <some texts here>;
    QTextStream outStream(&destFile);
    outStream.setCodec(QTextCodec::codecForName("Windows-1250"));
    foreach (auto qstr, data)
    {
        outStream << qstr << EOL_CODE;
    }
    2. 
    auto data = QStringList() << ... <some texts here>;
    auto *codec = QTextCodec::codecForName("Windows-1250");
    foreach (auto qstr, data)
    {
        const QByteArray encodedString = codec->fromUnicode(qstr);
        destFile.write(encodedString);
    }

如果是“ț”字符（别名 0xC89B），而不是预期的 0xFE 值，该字符被编码并存储为 0x3F，这是意料之外的。

因此，我正在寻找有关文本重新编码的任何帮助或经验/示例。

此致，

4

1 回答 1

1

不要ț与ţ. 前者是您帖子中的内容，后者是Windows-1250实际支持的内容。

您帖子中的字符 ț 是 T-comma, U+021B, LATIN SMALL LETTER T WITH COMMA BELOW，但是：

这个字母不是早期 Unicode 版本的一部分，这就是为什么 Ţ（T-cedilla，可从 1.1.0 版，1993 年 6 月获得）经常在罗马尼亚语的数字文本中使用。

提到的字符是 ţ，U+0163，带有 CEDILLA 的拉丁小写字母 T（强调我的）：

在 Unicode 的早期版本中，罗马尼亚字母 Ț（T 逗号）被认为是 Ţ 的字形变体，因此没有出现在 Unicode 标准中。它也不存在于 Windows-1250（中欧）代码页中。

ş和ș, 是S-cedilla和S-comma的故事是类似的。

如果您必须编码到这个古老的 Windows 1250 代码页，我建议在编码之前用 cedilla 变体（小写和大写）替换逗号变体。我想罗马尼亚人会理解的:)

于 2020-06-08T14:04:13.210 回答