我想使用 std::codecvt<wchar_t, char, std::mbstate_t>::in()
将双字节代码页中编码的字符串转换为 UTF-16 字符串关于 Microsoft 标准库实现 (MSVC11)。例如,考虑以下程序:
#include <iostream>
#include <locale>
int main()
{
// KATAKANA LETTER A (U+30A2) in Shift-JIS (Codepage 932)
// http://msdn.microsoft.com/en-us/goglobal/cc305152
char const cs[] = "\x83\x41";
std::locale loc = std::locale("Japanese");
// Output: "Japanese_Japan.932" (as expected)
std::cout << loc.name() << '\n';
typedef std::codecvt<wchar_t, char, std::mbstate_t> cvt_t;
cvt_t const& codecvt = std::use_facet<cvt_t>(loc);
wchar_t out = 0;
std::mbstate_t mbst = std::mbstate_t();
char const* mid;
wchar_t* outmid;
// Output: "2" (error) (expected: "0" (ok))
std::cout << codecvt.in(
mbst, cs, cs + 2, mid,
&out, &out + 1, outmid) << '\n';
// Output: "0" (expected: "30a2")
std::cout << std::hex << out << '\n';
}
调试时发现in()
最终调用内部 _Mbrtowc()
函数(crt\src\xmbtowc.c),传递 std::locale
的内部(C?)部分,初始化为 {_Page=932 _Mbcurmax=2 _Isclocale=0 ...}
,其中...代表(这似乎是问题所在)_Isleadbyte
成员,初始化为 32 个零的数组(类型为 unsigned char)。因此,当函数处理'\x32'
时前导字节,它检查此数组并自然地得出(错误)结论:这不是前导字节。所以它很高兴地调用 MultiByteToWideChar()
Win-API 函数当然无法转换半字符。所以,_Mbrtowc()
返回错误代码 -1,这或多或少会取消调用堆栈上的所有内容,最终返回 2 ( std::codecvt_base::result::error
)。
这是 MS 标准库中的错误吗(看起来是这样)? (如何)我可以以可移植的方式解决这个问题(即使用最少的 #ifdef
s)?
最佳答案
我在内部向 Microsoft 报告了此事。现在已将其作为新错误进行了修复(DevDiv#737880)。但我建议填写连接项:http://connect.microsoft.com/VisualStudio
关于c++ - MSVC 上的双字节编码 (std::codecvt):无法识别前导字节,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17122277/