如何在 Objective-C 中将 unichar 值转换为 NSString？

Question

我有一个国际字符存储在一个 unichar 变量中。此字符不是来自文件或 url。变量本身只存储一个无符号的 short(0xce91)，它是 UTF-8 格式并转换为希腊大写字母“A”。我试图将该字符放入 NSString 变量中，但我失败了。

我尝试了 2 种不同的方法，但都失败了：

unichar greekAlpha = 0xce91; //could have written greekAlpha = 'Α' instead.

NSString *theString = [NSString stringWithFormat:@"Greek Alpha: %C", greekAlpha];

不好。我得到了一些奇怪的汉字。作为旁注，这与英文字符完美配合。

然后我也尝试了这个：

NSString *byteString = [[NSString alloc] initWithBytes:&greekAlpha
                                                length:sizeof(unichar)
                                              encoding:NSUTF8StringEncoding];

但这也不起作用。 我显然做错了什么，但我不知道是什么。 有人能帮助我吗 ？ 谢谢！

Answer 1

上面的代码相当于unichar foo = 'abc';。

问题是'Α' 没有映射到“执行字符集”（我假设是 UTF-8）中的单个字节，这是C99 §6.4.4.4 10 中的“实现定义” ：

包含多个字符（例如，'ab'）或包含不映射到单字节执行字符的字符或转义序列的整数字符常量的值是实现定义的。

一种方法是使'ab' 等于'a'<<8|b。一些 Mac/iOS 系统头文件依赖于 OSType/FourCharCode/FourCC; iOS 中唯一能想到的是 CoreVideo 像素格式。但是，这是不可移植的。

如果你真的想要 unichar 文字，你可以试试 L'A' （从技术上讲，它是 wchar_t 文字，但在 OS X 和 iOS 上，wchar_t 通常是 UTF-16，所以它可以工作BMP 内）。但是，只使用@"Α"（只要您正确设置源字符编码就可以使用）或@"\u0391"（至少从iOS 3 SDK 开始就可以使用）要简单得多。

Answer 2

unichar greekAlpha = 0x0391;
NSString* s = [NSString stringWithCharacters:&greekAlpha length:1];

现在您可以以任何您喜欢的方式将该 NSString 合并到另一个中。但是请注意，现在可以将希腊字母直接输入到 NSString 文字中是合法的。

Answer 3

这里是对单个字符进行 UTF-8 编码的算法：

if (utf8char<0x80){ 
    chars[0] = (utf8char>>0)  & (0x7F | 0x00);
    chars[1] = 0x00;
    chars[2] = 0x00;
    chars[3] = 0x00;
}
else if (utf8char<0x0800){
    chars[0] = (utf8char>>6)  & (0x1F | 0xC0);
    chars[1] = (utf8char>>0)  & (0x3F | 0x80);
    chars[2] = 0x00;
    chars[3] = 0x00;
}
else if (utf8char<0x010000) {
    chars[0] = (utf8char>>12) & (0x0F | 0xE0);
    chars[1] = (utf8char>>6)  & (0x3F | 0x80);
    chars[2] = (utf8char>>0)  & (0x3F | 0x80);
    chars[3] = 0x00;
}
else if (utf8char<0x110000) {
    chars[0] = (utf8char>>18) & (0x07 | 0xF0);
    chars[1] = (utf8char>>12) & (0x3F | 0x80);
    chars[2] = (utf8char>>6)  & (0x3F | 0x80);
    chars[3] = (utf8char>>0)  & (0x3F | 0x80);
}

Answer 4

上面的答案很好，但没有考虑超过 16 位的 UTF-8 字符，例如省略号 - 0xE2,0x80,0xA6。这是对代码的调整：

if (utf8char > 65535) {
   chars[0] = (utf8char >> 16) & 255;
   chars[1] = (utf8char >> 8) & 255;
   chars[2] = utf8char & 255; 
   chars[3] = 0x00;
} else if (utf8char > 127) {
    chars[0] = (utf8char >> 8) & 255;
    chars[1] = utf8char & 255; 
    chars[2] = 0x00;
} else {
    chars[0] = utf8char;
    chars[1] = 0x00;
}
NSString *string = [[[NSString alloc] initWithUTF8String:chars] autorelease];

注意不同的字符串初始化方法，它不需要长度参数。

Answer 5

因为0xce91 是UTF-8 格式，而%C 期望它是UTF-16 格式，所以像上面这样的简单解决方案是行不通的。要使stringWithFormat:@"%C" 工作，您需要输入0x391，这是UTF-16 unicode。

要从 UTF-8 编码的 unichar 创建字符串，您需要先将 unicode 拆分为八位字节，然后使用 initWithBytes:length:encoding。

unichar utf8char = 0xce91; 
char chars[2];
int len = 1;

if (utf8char > 127) {
    chars[0] = (utf8char >> 8) & (1 << 8) - 1;
    chars[1] = utf8char & (1 << 8) - 1; 
    len = 2;
} else {
    chars[0] = utf8char;
}

NSString *string = [[NSString alloc] initWithBytes:chars
                                            length:len 
                                          encoding:NSUTF8StringEncoding];