问题标签 [wchar-t]

所以我终于回到了我的主要任务——将一个相当大的 C++ 项目从 Windows 移植到 Mac。

我马上就遇到了 wchar_t 在 Windows 上是 16 位但在 Mac 上是 32 位的问题。这是一个问题，因为所有的字符串都由 wchar_t 表示，并且会有字符串数据在 Windows 和 Mac 机器之间来回传输（以磁盘数据和网络数据形式）。由于它的工作方式，在发送和接收数据之前将字符串转换为某种通用格式并不完全简单。

我们最近也真正开始支持更多的语言，因此我们开始处理大量的 Unicode 数据（以及处理从右到左的语言）。

现在，我可能会在这里混淆多个想法，给自己带来比需要更多的问题，这就是我问这个问题的原因。我们认为将所有内存中的字符串数据存储为 UTF-8 是很有意义的。它解决了 wchar_t 大小不同的问题，这意味着我们可以轻松支持多种语言，并且还大大减少了我们的内存占用（我们加载了很多 - 主要是英语 - 字符串） - 但似乎没有很多人在做这个。我们缺少什么吗？您必须处理一个明显的问题，即字符串长度可能小于存储该字符串数据的内存大小。

还是使用 UTF-16 是一个更好的主意？还是我们应该坚持使用 wchar_t 并编写代码在 wchar_t 和 Unicode 之间进行转换，在我们读/写磁盘或网络的地方？

我意识到这很危险地接近征求意见 - 但我们很担心我们忽略了一些明显的东西，因为它似乎没有很多 Unicode 字符串类（例如） - 但是有很多代码可以转换为/来自 Unicode，例如 boost::locale、iconv、utf-cpp 和 ICU。

我将班级更改为使用 std::string （基于我在这里得到的答案，但我有一个函数返回 wchar_t *。如何将其转换为 std::string？

我试过这个：

但它显示错误 C2440: 'initializing' : cannot convert from 'wchar_t *' to 'std::basic_string<_Elem,_Traits,_Ax>'

我们公司正计划让我们的应用程序支持 Unicode，并且我们正在分析我们将遇到的问题。

特别是，例如，我们的应用程序将严重依赖字符串的长度，我们希望将其wchar_t用作基本字符类。

当处理必须在 UTF-16 中以 2 个 16 位为单位存储的字符时出现问题，即 U+10000 以上的字符。

简单的例子：

我有 UTF-8 字符串“蟂”（Unicode 字符 U+87C2，在 UTF-8 中：E8 9F 82）

所以，我设置了以下代码：

好的，这行得通，它分配了两次 16 位，我的缓冲区wchar_t包含 { 0x87c2, 0x0000 }。如果我将它存储在 a 中std::wstring并计算大小，我得到 1。

现在，让我们以字符 (U+104A2) 作为输入，在 UTF-8 中：F0 90 92 A2。

这一次，它为三个 wchar_t 分配空间并且 std::wstring::size 返回 2即使我认为我只有一个 character。

这是有问题的。让我们假设我们以 UTF-8 格式接收数据。我们可以简单地通过不计算等于的字节来计算 Unicode 字符10xxxxxx。我们想将该数据导入到数组中wchar_t以使用它。如果我们只是分配字符数加一，它可能是安全的……直到有人使用 U+FFFF 以上的字符。然后我们的缓冲区将太短，我们的应用程序将崩溃。

那么，对于相同的字符串，以不同的方式编码，计算字符串中字符数的函数会返回不同的值吗？

使用 Unicode 字符串的应用程序是如何设计的以避免这种烦恼？

谢谢您的回复。

从 c++2003 2.13

宽字符串文字的类型为“<strong>array of n const wchar_t”并具有静态存储持续时间，其中 n 是字符串的大小，定义如下

宽字符串文字的大小是转义序列、通用字符名称和其他字符的总数，加上终止 L'\0' 的数量。

从 c++0x 2.14.5

宽字符串文字的类型为“<strong>array of n const wchar_t”，其中 n 是字符串的大小，定义如下

char32_t 或宽字符串文字的大小是转义序列、通用字符名称和其他字符的总数，加上终止 U'\0' 或 L'\0' 的数量。

char16_t 字符串文字的大小是转义序列、通用字符名称和其他字符的总数，每个需要代理对的字符加一个，终止 u'\0' 加一个。

C++2003 中的声明相当模糊。但在 C++0x 中，计算字符串长度时，宽字符串字面量 wchar_t 应与 char32_t 相同，与 char16_t 不同。

在https://stackoverflow.com/questions/402283?tab=votes%23tab-top中有一篇文章清楚地说明了 windows 如何实现 wchar_t

简而言之，windows 中的 wchar_t 是 16 位，使用 UTF-16 编码。标准中的声明显然在 Windows 中留下了一些冲突的东西。

例如，

这超过了 16 位，对于 UTF-16，它需要两个 16 位来对其进行编码（代理对）。

但是，根据标准，kk 是 2 个 wchar_t 的数组（1 代表通用名称 \U000E005，1 代表 \0）。

但在内部存储中，Windows 需要 3 个 16 位 wchar_t 对象来存储它，2 个 wchar_t 用于代理对，1 个 wchar_t 用于 \0。因此，从数组的定义来看，kk 是一个包含 3 个 wchar_t 的数组。

这显然是相互矛盾的。

我认为 Windows 的一个最简单的解决方案是“禁止”任何需要 wchar_t 中的代理对的东西（“禁止”BMP 之外的任何 unicode）。

我的理解有什么问题吗？

谢谢。

这让我很感兴趣，所以我要问 - 为什么wchar_t在 Linux/Linux 类系统上没有像在 Windows 上那样广泛使用？具体来说，Windows API 在内部使用，而我认为 Linux 没有，这反映在许多使用类型wchar_t的开源包中。char

我的理解是，给定一个c需要多个字节来表示的字符，然后在一个char[]表单c中拆分为几个部分，char*而在wchar_t[]. 那么，wchar_t总是使用它不是更容易吗？我是否错过了否定这种差异的技术原因？或者这只是一个收养问题？

我有一个程序需要使用 Format(); 将字符串文字和 int 组合成 CString 变量的函数。我尝试了几种不同的方法，它们的代码在这里：

第一个返回错误 C2664: 'void ATL::CStringT::Format(const wchar_t *,...)' : cannot convert parameter 1 from 'const char [33]' to 'const wchar_t *'

第二个，没有错误，但文本显示为汉字。

第三个返回错误 C2440: 'static_cast' : cannot convert from 'const char [33]' to 'wchar_t'

将 CStrings 转换为 wchar_t *s 的任何想法？
谢谢

我需要一个 C 函数来返回格式化字符串的最终长度，这样我就可以正确分配目标字符串，而不是自己计算长度。在snprintf无法写入整个字符串的情况下，它会执行此操作，但不幸的是，它没有宽字符替代方案。

swprintf在出错的情况下返回 -1，而不是所需的长度（为什么不一样的行为？！？）

提到的标题asprintf似乎也没有帮助，因为它只提供了一个非宽版本。

_vscwprintf可以在 Windows 上使用，但我需要一个跨平台、标准版本或至少一个 Linux 版本，我将 #ifdef 代码。

有任何想法吗？谢谢！

我想要一个 wchar_t 数组。

以下作品：

但这并不

我没有收到任何错误，但 wcAltFinalText 是一个错误的 ptr

非常感谢任何帮助和评论。

我有一个 wchar_t* 的向量，如下所示：

和一个函数，它接受一个字符串并将其插入向量中

当我关闭程序时，我需要删除向量的分配内存，这样我就不会发生内存泄漏，为此我正在尝试这样做：

它可以编译，一切正常，但是当需要释放内存时，我有一个运行时错误：

错误 http://k.min.us/iklWGE.png

为什么？我怎样才能解决这个问题？

我有一个奇怪的问题，我不知道它来自哪里。我可能已经更改了 MSVC++2010 项目中的一些设置，但对我来说一切都很好。

我目前正在试验 Windows SDK 6.1 中包含的 VSHADOW.EXE 3.0 工具。这是一种用 C++ 编写的备份程序，其中的字符串由wchar_ts 组成。现在，我传递给程序的参数（例如-q）总是导致程序中出现日文符号字符串。如果我通过 cmd 正常启动程序，但如果我在 Visual Studio 项目设置中指定命令行参数并启动调试器，则会发生这种情况。

有人知道如何解决这个问题吗？谢谢！