C ++如何获取wstring的第一个字母

Question

这听起来像一个简单的问题，但 C++ 让它变得困难（至少对我来说）：我有一个 wstring，我想将第一个字母作为 wchar_t 对象，然后从字符串中删除这个第一个字母。

这里不适用于非 ASCII 字符：

wchar_t currentLetter = word.at(0);  

因为它会返回两个字符（循环中）用于诸如德语变音符号之类的字符。

这里也不行：

wchar_t currentLetter = word.substr(0,1);

error: no viable conversion from 'std::basic_string<wchar_t>' to 'wchar_t'

这也不是：

wchar_t currentLetter = word.substr(0,1).c_str();

error: cannot initialize a variable of type 'wchar_t' with an rvalue of type 'const wchar_t *'

还有其他想法吗？

干杯，

马丁

---- 更新 ----- 这是一些应该演示问题的可执行代码。该程序将遍历所有字母并一一输出：

#include <iostream>
using namespace std;

int main() {
    wstring word = L"für";
    wcout << word << endl;
    wcout << word.at(1) << " " << word[1] << " " << word.substr(1,1) << endl;

    wchar_t currentLetter;
    bool isLastLetter;

    do {
        isLastLetter = ( word.length() == 1 );
        currentLetter = word.at(0);
        wcout << L"Letter: " << currentLetter << endl;

        word = word.substr(1, word.length()); // remove first letter
    } while (word.length() > 0);

    return EXIT_SUCCESS;
}

但是，我得到的实际输出是：

f?r ? ? ? 字母：f 信件： ？ 字母：r

源文件采用 UTF8 编码，控制台的编码也设置为 UTF8。

Answer 1

这是Sehe提供的解决方案：

#include <iostream>
#include <string>
#include <boost/regex/pending/unicode_iterator.hpp>

using namespace std;

template <typename C>
std::string to_utf8(C const& in)
{
    std::string result;
    auto out = std::back_inserter(result);
    auto utf8out = boost::utf8_output_iterator<decltype(out)>(out);

    std::copy(begin(in), end(in), utf8out);
    return result;
}

int main() {
    wstring word = L"für";

    bool isLastLetter;

    do {
        isLastLetter = ( word.length() == 1 );
        auto currentLetter = to_utf8(word.substr(0, 1));
        cout << "Letter: " << currentLetter << endl;

        word = word.substr(1, word.length()); // remove first letter
    } while (word.length() > 0);

    return EXIT_SUCCESS;
}

输出：

Letter: f

Letter: ü

Letter: r

是的，您需要 Boost，但似乎无论如何您都需要一个外部库。

1

C++ 不知道 Unicode。使用外部库，例如 ICU （UnicodeString 类）或 Qt（QString 类），都支持 Unicode， 包括 UTF-8。

2

由于 UTF-8 具有可变长度，各种索引都可以 以代码单元而不是代码点为索引。这是不可能的 随机访问 UTF-8 序列中的代码点，因为它是 可变长度性质。如果你想要随机访问，你需要使用 固定长度编码，如 UTF-32。为此，您可以使用 U 前缀 在字符串上。

3

C++ 语言标准没有显式编码的概念。它只是 包含“系统编码”的不透明概念，其中 wchar_t 是 一个“足够大”的类型。

从不透明的系统编码转换为显式的外部编码 编码，您必须使用外部库。选择的图书馆 将是 iconv() （从 WCHAR_T 到 UTF-8），它是 Posix 和 在许多平台上可用，尽管在 Windows 上 WideCharToMultibyte 函数保证生成 UTF8。

C++11 以 std::string s = u8"Hello 的形式添加了新的 UTF8 文字 世界：\U0010FFFF";。那些已经是 UTF8，但他们不能 与不透明的 wstring 交互，而不是通过我的方式 描述。

4 (about source files but still sorta relevant)

C++ 中的编码相当复杂。这是我的理解 。

每个实现都必须支持来自基本源的字符 字符集。这些包括 §2.2/1 中列出的常见字符 （C++11 中的第 2.3/1 节）。这些字符都应该适合一个字符。在 另外的实现必须支持一种命名其他的方法 字符使用一种称为通用字符名称的方式，看起来像 \uffff 或 \Uffffffff 可用于指代 unicode 字符。一种 它们的子集可用于标识符（列在附件 E 中）。

这一切都很好，但是从文件中的字符映射到 源字符（在编译时使用）是实现定义的。 这构成了使用的编码。