WideCharToMultiByte 问题

Question

我的previous question 提供了可爱的功能，如果我这样做，它们可以正常工作：

wstring temp;
wcin >> temp;

string whatever( toUTF8(getSomeWString()) );

// store whatever, copy, but do not use it as UTF8 (see below)

wcout << toUTF16(whatever) << endl;

原始表格被复制，但中间表格经常包含额外的字符。如果我输入例如àçé 作为输入，并添加一个cout << whatever 语句，我将得到…‡‚ 作为输出。

我还可以使用这个字符串与其他字符串进行比较吗，从 ASCII 源获取？或者换个方式问：如果我通过 linux 中的 UTF8 cout 输出…‡‚，它会读成àçé吗？字符串àçé的字节内容，在UTF8 linux中由cin读取，和Win32 API得到的完全一样吗？

谢谢！

PS：我问的原因是因为我需要大量使用字符串来与其他读取值进行比较（比较和连接......）。

Answer 1

首先让我说似乎没有没有方法可以通过cout 将UTF-8 文本输出到Windows 中的控制台（假设您使用Visual Studio 编译）。 但是，您可以为您的测试做的是通过 Win32 API fn WriteConsoleA 输出您的 UTF-8 文本：

if(!SetConsoleOutputCP(CP_UTF8)) { // 65001
    cerr << "Failed to set console output mode!\n";
    return 1;
}
HANDLE const consout = GetStdHandle(STD_OUTPUT_HANDLE);
DWORD nNumberOfCharsWritten;
const char* utf8 = "Umlaut AE = \xC3\x84 / ue = \xC3\xBC \n";
if(!WriteConsoleA(consout, utf8, strlen(utf8), &nNumberOfCharsWritten, NULL)) {
    DWORD const err = GetLastError();
    cerr << "WriteConsole failed with << " << err << "!\n";
    return 1;
}

这应该输出： Umlaut AE = Ä / ue = ü 如果您将控制台 (cmd.exe) 设置为使用 Lucida Console 字体。

至于你的问题（取自你的评论）如果

一个 win23 API 转换的字符串是 与原始 UTF8 (linux) 字符串相同

我会说是的：给定一个 Unicode 字符序列，它的 UTF-16 (Windows wchar_t) 表示通过 WideCharToMultiByte 函数转换为 UTF-8 (char) 表示将始终产生相同的字节序列。

Answer 2

当您将字符串转换为 UTF 16 时，它是一个 16 字节宽的字符，您无法将其与 ASCII 值进行比较，因为它们不是 16 字节值。您必须将它们转换为比较，或者编写一个专门的比较 ASCII 函数。

我怀疑 linux 中的 UTF8 cout 会产生相同的正确输出，除非它是常规 ASCII 值，因为 UTF8 UTF-8 encoding forms are binary-compatible with ASCII for code points below 128, 并且我假设 UTF16 以类似的方式出现在 UTF8 之后。

好消息是有很多 converters 可以将这些字符串转换为不同的字符集。