C++ 将字符串编码为 Unicode - ICU 库

Question

我需要将 ISO-2022-JP 和 ISO-2022-JP-2（以及 ISO-2022 的其他变体）中的一堆字节转换为 Unicode。我正在尝试使用 ICU (link text)，但以下代码不起作用。

std::string input = "\x1B\x28\x4A" "ABC\xA6\xA7";    //the first 3 chars are escape sequence to use JIS_X201 character set in GL/GR
UErrorCode status = U_ZERO_ERROR;
UConverter *conv;
// set up the converter
conv = ucnv_open("ISO-2022-JP", &status);
if (status != U_ZERO_ERROR) return false;   //couldn't find character set

UChar * convDest = new UChar[2*input.length()]; //ucnv_toUChars will use up to 2*length

// convert to Unicode
int resultLen = (int)ucnv_toUChars(conv, convDest, 2*input.length(), input.c_str(), input.length(), &status);

这不起作用。结果包含“？”我输入的任何字符都高于 ASCII。状态没有错误。我做错了什么？

最重要的是，我在编译库 4.4 版时遇到了问题，因为 MSVC 9 项目无法转换为 MSVC 10 项目。

我也知道 libiconv 开源库。我无法在 Windows 上编译那个。如果有人对其他图书馆有任何建议，也欢迎。

谢谢。

编辑 我最初使用的转义序列是错误的。所以现在ICU接受字符串，去掉转义序列——这是朝着正确方向迈出的一步。但结果仍然包含“？”字符。

EDIT2 我无法转换为 MSVC 10 项目的原因是未安装 x64 平台（默认情况下未安装）。或者，我可以在文本编辑器中打开所有项目并删除所有提及的 x64 目标。

Answer 1

这与 ISO 2022 编码不同。高位应该为零。转义序列看起来有点可识别，但它以 ESC 开头。 0x1b，而不是 0xb0。不知道这些字节值的真正含义。

Answer 2

（这个问题看起来很眼熟，你好。）

一个小问题，小问题：您想使用if(U_FAILURE(status))（或相反，U_SUCCESS(status)）检查错误状态。

Answer 3

我无法使转换适用于 ISO-2022-JP 编码中的 JIS_X201 字符集。而且我无法使用我可以使用的任何工具生成“有效”的工具 - 尝试过 Java（ISO2022 的 ICU 和非 ICU 实现）和 C++。

所以我基本上只是编写了一个函数来进行代码查找并使用此表转换为 Unicode：wikipedia。

编辑 当我开始填写错误报告时，我想包含 ISO-2022-JP 的 RFC。然后我在 RFC “The Kana set of JIS X 0201 is not used in ISO-2022-JP messages”中找到了这一行。 link text。所以看起来标准实际上并没有定义高位。 ISO-2022-JP-3 将映射高位，但映射到低平面。所以我必须取每个字节并从中减去 0x80，然后通过 ISO-2022-JP-3 传递，然后取其他字节

所以严格来说，我会说这不是一个错误。不过，这是一个非常令人头疼的问题。

附：我试图解码的整个混乱流来自 DICOM。请参阅pdf 第 107 页，了解他们认为可以接受的内容。