c - TCP 接收扩展的 ASCII 或 utf-8 字符

Question

对于倒问号 ¿ 我收到两个字节 [-62][-65] 但我如何获得可读的 utf-8 或 ASCII 字符编码？

Answer 1

是那个字符的 UTF8 代码。 inverted question mark是 Unicode 代码点 191在 UTF8 中，它是 0xc2:0xbf .

您将它们视为带符号的字节。例如-62签名是256-62或 194无符号 - 这是十六进制 0xc2 .

同样，-65签名是256-65或 191无符号 - 这是十六进制 0xbf .

如果您想将您的 UTF8 序列转换为代码点，您可以使用下表。

    Range              Encoding  Binary value
    -----------------  --------  --------------------------
    U+000000-U+00007f  0xxxxxxx  0xxxxxxx

    U+000080-U+0007ff  110yyyxx  00000yyy xxxxxxxx
                       10xxxxxx

    U+000800-U+00ffff  1110yyyy  yyyyyyyy xxxxxxxx
                       10yyyyxx
                       10xxxxxx

    U+010000-U+10ffff  11110zzz  000zzzzz yyyyyyyy xxxxxxxx
                       10zzyyyy
                       10yyyyxx
                       10xxxxxx

例如，您的 0xc2:0xbf是二进制 11000010 10111111与第二种情况相匹配:

      11000010 10111111
         |||||   ||||||
         |||\\  //////
         ||| ||||||||
    00000000 10111111  ->  0x00bf  ->  191