C++ 非 ASCII 字母

Question

当字符串具有非 ASCII 字符时，我如何循环遍历字符串中的字母？ 这适用于 Windows!

for (int i = 0; i < text.length(); i++)
{
    std::cout << text[i]
}

但是在 linux 上，如果我这样做:

std::string text = "á";
std::cout << text.length() << std::endl;

它告诉我字符串“á”的长度为 2，而在 Windows 上它只有 1 但是对于 ASCII 字母，效果很好!

Answer 1

在你的windows系统的code page , á 是一个单字节字符，即 string 中的每个 char 确实是一个字符。所以你可以循环打印它们。

在 Linux 上，á 表示为多字节(准确地说是 2 个字节)utf-8 字符“C3 A1”。这意味着在您的 string 中，á 实际上由 two char 组成，分别打印它们(或以任何方式处理它们)会产生废话。这永远不会发生在 ASCII 字符上，因为每个 ASCII 字符的 utf-8 表示都适合一个字节。

不幸的是，utf-8 并不受 C++ 标准设施的真正支持。只要您只处理整个 string 并且既不从中访问单个 char 也不假设 string 的长度等于实际的数量string 中的字符，std::string 很可能没问题。

如果您需要更多的 utf-8 支持，请寻找一个可以实现您需要的好的库。

您可能还想阅读 this有关不同系统上不同字符集的更详细讨论以及关于 string 与 wstring 的建议。

另请查看 this有关如何可移植地处理不同字符编码的信息。