问题标签 [utf]

好的。我知道这看起来像是典型的“他为什么不直接谷歌搜索或访问www.unicode.org并查找它？” 问题，但是对于这样一个简单的问题，在检查了两个来源后，我仍然无法找到答案。

我很确定所有这三种编码系统都支持所有的 Unicode 字符，但在我在演示文稿中提出该声明之前，我需要确认它。

额外问题：这些编码在可以扩展支持的字符数上是否不同？

UTF 和 UCS 有什么区别。

在 C++ 字符串中表示非欧洲字符集（使用 UTF）的最佳方法是什么。我想知道您对以下方面的建议：

• 代码内部的表示
  • 用于运行时的字符串操作
  • 用于将字符串用于显示目的。
• 最佳存储表示（即在文件中）
• 最佳有线传输格式（在可能位于不同架构且具有不同标准语言环境的应用程序之间传输）

我有一个滚动的 LED 标志，可以从自定义代码页获取 ASCII 或（使用某些特定代码）字符的消息。

例如，欧元符号应发送为

并且 ä 是

（您可以在文档中找到完整的代码页）

我的问题是，实现此自定义代码页并拥有可以将 UTF 字符串转换为我的自定义代码页的编解码器的最 Pythonic 方式是什么？

假设我有这个 Windows wchar_t 字符串：

和

并希望将其（不一定以编程方式；这将是一次性的）转换为 GCC/Linux wchar_t 格式，即 UTF-32 AFAIK。我该怎么做？（一般的解释会很好，但基于这个具体案例的例子也会有帮助）

请不要将我引导到字符转换站点。我想从 L"\x(something)" 形式转换，而不是 "end character" 形式。

在 Python 中，我可以将其转换为 Unicode 并执行 '(?u)^[\w ]+$' 正则表达式搜索，但 PHP 似乎不理解国际 \w，或者是吗？

我很难弄清楚如何处理这个问题：

我正在为一所意大利大学开发一个网络工具，我必须显示带有重音的单词（例如 è、ù、...）；有时我从 PostgreSql 表（UTF8 编码）中得到这些词，但大多数情况下我必须从文件中读取长段落。这些文件被编码为 utf-8 xml，并在 Smultron 或任何 utf-8 编辑器中显示良好（它们是在 python 旧文件中使用实体è而不是“è”来解析创建的）。

我编写了一个 java 类，它从 xml 文件中提取相关段，它的工作原理如下：

String s = parseText(filename, position)

如果我将返回的字符串写入文件，一切看起来都很好；问题是，如果我这样做

out.write(s)

在 jsp 页面中，我得到了奇怪的字符。顺便说一句，我用

String s = getWordFromPostgresql(...)

out.write(s)

在同一个jsp中，它显示OK。

有什么提示吗？

谢谢尼古拉

@克罗森沃尔德

感谢您的回复，但是该指令已经在页面中，但它不起作用（实际上它“起作用”但仅适用于我从数据库中获取的字符串）。我认为从文件中读取有些东西，但我无法理解......它们在“java”中工作但不在“jsp”中（想不出更好的解释......）

这是从实际代码中提取的一个基本示例：从文件中读取的方法返回一个 Map，从 Mark（表示文本中位置的对象）到 String（包含文本）：

这是在 .jsp 页面中（上面的帖子中引用了 utf 指令）

这是结果：

“Fu per√≤ cos√¨ in uso il Genere Enharmonico, che quelli quali vi si esercitavano”

如果我将相同的代码放在 java 类中，并用 System.out.println 替换 out.write，结果是这样的：

“Fu però così in uso il Genere Enharmonico, che quelli quali vi si esercitavano”

我一直在用十六进制编辑器做一些分析，这里是：

原始字符串：“fu però così”

ò 在 xml 文件中：C3 B2

ò 由 jsp 文件中的 out.write() 呈现：E2 88 9A E2 89 A4

ò 通过以下方式写入文件：

C3 B2

将每个字符的值打印为 int

UTF-8、UTF-16 和 UTF-32 之间有什么区别？

我知道它们都将存储 Unicode，并且每个都使用不同数量的字节来表示一个字符。选择一个比另一个有优势吗？

我一直在开发一个应该能够接受多种语言的标签和搜索查询的 Web 应用程序。这不是要求太多，是吗？

现在，在我的开发 MAMP 服务器上，一切都很好。我添加多语言标签，以我想要的任何语言搜索等。

另一方面，在生产 WAMP 服务器上，多语言字符会带来麻烦。甚至不是一直，只是某些时候，或者某些角色，我还不确定。

发生的情况是他们获得了额外的字符，然后他们的 URL 解码不正确。

两种环境都使用 PHP 5、MySQL 和 Apache。

我的猜测是我在某个地方设置错误。

有任何想法吗？

• 更新：我现在确定是特定的字母（例如希伯来语 ל,מ א）

• 更新：易于重现：总是相同的字母得到错误的编码。

• 内容类型是text/html; charset=utf-8

此外，我进一步指出：
我使用搜索字符串：ליבני
在结果页面上，我看到：

• 在地址栏中，搜索短语是正确的，正确的 url 编码。
• 在 HTML 本身中，我看到字符串“ �_יבני ”，即“ %D7_%D7%99%D7%91%D7%A0%D7%99”，这意味着ל已被编码为“ %D7_”，而不是%D7%9C应有的“”。

我真的不知道该往哪里走。
有任何想法吗？任何人？

Unicode, UTF8, UTF7, UTF16, UTF32, ASCII, 和ANSI编码有什么区别？

这些对程序员有什么帮助？

我认为这个问题很简单，在基本平面之后我是否需要 Unicode 中的所有其他东西？包括什么样的东西，真的需要吗？（以及出于什么目的？）

谢谢。