如何在 C++ 中的字符串中打印转义的十六进制？

Question

我有关于 Unicode 的问题，在 const char* 中打印转义的十六进制值。

1. 据我了解，utf-8 包括 2、3 或 4 字节字符，范围从磅符号到汉字字符。在字符串中，这些以十六进制值表示，使用 \u 作为转义序列。我也明白，在字符串中使用十六进制转义时，将包含其值可以包含在转义中的字符。例如说“abc\x0f0dab”将包含 0f0dab 以在 \x 中被视为十六进制，即使您只想考虑 0f0d。

现在在编写 Unicode 字符串时，假设您要编写“abc????def₤ghi”，其中 Unicode 表示 ????是 0x24B62，₤ 是 0x00A3。所以我必须将字符串组合为“abc0x24B62def0x00A3ghi”。 0x 将考虑可以包含在其中的所有值。因此，如果您想打印“abc????62”，则字符串将为“abc0x24B6262”。整个字符串不会被视为 0x 内的 4 字节 unicode (0x24B6262) 值吗？如何解决这个问题？如何打印“abc????62”而不是abc(0x24B6262)？

1. 我有一个字符串const char* tmp = "abc\x0fdef";。当我使用printf("\n string = %s", tmp); 打印时，它将打印 abcdef。 0f 在哪里？我知道 \x0f 的十进制值将存储在字符串中，即 15，所以当我们尝试打印时，应该打印 15 对吗？我的意思是，它应该是“abc15def”，但它只打印“abcdef”。

Answer 1

看了你的帖子，我想你可能对编码的概念不熟悉。

例如，您说“... ₤ 的 unicode 是 0x00A3”。这是真的 - unicode 代码点 U+00A3 是井号。但是 0x00A3 不是您表示井号的方式，例如 UTF-8（Unicode 的一种特殊常见编码）。采取look here 看看我的意思。可以看到，U+00A3的UTF-8编码是两个字节分别是0xc2、0xa3（依次）。

在您致电printf() 和屏幕上出现某些内容之间会发生几件事。

首先，您的程序运行代码printf("abc\x0fdef")，这意味着以下字节按顺序写入您程序的标准输出：

0x61, 0x62, 0x63, 0x0f, 0x64, 0x65, 0x66

注意：我假设您的源代码是 ASCII（或 UTF-8），这很常见。从技术上讲，我相信对源代码字符集的解释是实现定义的。

现在，为了查看输出，您通常会在某种 shell 中运行该程序，并且它必须最终将这些字节转换为可视字符。它通过使用编码来做到这一点。同样，与 ASCII 兼容的东西很常见，例如 UTF-8。在 Windows 上，CP1252 很常见。

如果是这样，你会得到以下映射：

0x61 - a
0x62 - b 
0x63 - c
0x0f - the 'shift in' ASCII control code
0x64 - d
0x65 - e
0x66 - f

这将打印为“abcdef”，因为“移入”控制代码是非打印字符。

注意：上述内容可能会根据所涉及的确切字符集而改变，但除非您有特殊的设置，否则您很可能会处理 ASCII 或 UTF-8。

如果你有一个 UTF-8 兼容终端，下面应该打印出“abc₤def”，作为一个开始的例子：

printf("abc\xc2\xa3def");

有意义吗？

---

更新：要回答您评论中的问题：您需要区分 codepoint 和 encoding 的字节值代码点。

Unicode 标准定义了“代码点”，它们是字符的数值。这些通常写为 U+XYZ，其中 XYZ 是十六进制值。 例如，字符 U+219e 是LEFTWARDS TWO HEADED ARROW。 这也可能写为 0x219e。你会从上下文中知道作者正在谈论一个代码点。

当您需要对该代码点进行编码（打印或保存到文件等）时，您可以使用编码，例如 UTF-8。请注意，例如，如果您使用 UTF-32 编码，则每个代码点都与编码值完全对应。所以在 UTF-32 中，代码点 U+219e 确实会被简单地编码为 0x219e。但是其他编码会做不同的事情。 UTF-8 会将 U+219e 编码为三个字节 0xE2 0x86 0x9E。

最后，\x 表示法只是您在 C/C++ 引用字符串中写入任意字节值的方式。如果我用 C 源代码编写 "\xff"，那么内存中的字符串将是两个字节 0xff 0x00（因为它会自动获得一个空终止符）。