iOS wchar_t 的字节序是什么？

Question

我是我的 iOS 5.1 应用程序，我使用第 3 方库，它使用 wchar_t 作为字符串。这在内部工作正常，但我有时需要为这样的字符串创建一个NSString。我可以使用以下 API：

- (id)initWithBytes:(const void *)bytes length:(NSUInteger)length encoding:(NSStringEncoding)encoding

但是我应该使用什么编码？由于 iOS 中的wchar_t 是 32 位，因此候选编码为：

NSUTF32StringEncoding
NSUTF32BigEndianStringEncoding
NSUTF32LittleEndianStringEncoding

我应该使用哪个字节顺序？我应该使用long NSHostByteOrder()的结果对应的编码字节顺序吗？

顺便问一下，NSUTF32StringEncoding 代表的是哪个字节顺序？它会检查字节并推断字节顺序吗？将 from NSString 转换为 getBytes:maxLength:usedLength:encoding:options:range:remainingRange: 会产生什么结果？

请注意，这里我并不关心平台之间的数据交换（尽管我可能有一天也不得不面对这个问题）。

谷歌搜索并没有多大帮助。

我的直觉是这是编译器定义的，例如当我编写时，我的编译器（CLang）使用什么编码：

wchar_t *s = L"string with non ascii unicode characters such as éèüçß";

当然，编写一个小示例程序并找出答案很容易，但我想要一个不依赖于我的编译器的具体实现的解决方案。

如果你认为我很困惑，那是因为我有点。

Answer 1

这就是为什么无法推荐wchar_t 的原因，除非您需要直接使用 Windows API。

在 iOS 上，wchar_t 是具有本机字节顺序的 UTF-32。这在技术上与NSUTF32StringEncoding 不同，后者表示带有 BOM 的字节顺序。

这是我上次回答这个问题时的一些复制意大利面 (link)：

#include <machine/endian.h>
#if BYTE_ORDER == BIG_ENDIAN
#define WCHAR_ENCODING NSUTF32BigEndianStringEncoding
#elif BYTE_ORDER == LITTLE_ENDIAN
#define WCHAR_ENCODING NSUTF32LittleEndianStringEncoding
#endif

使用NSUTF32StringEncoding 的问题在于它只能将wchar_t 转换为NSString，但不一定反过来。它会将 BOM 贴在前面（不受欢迎），甚至可能以错误的字节序为您提供数据。

即使从wchar_t 到NSString，使用NSUTF32StringEncoding 也可能会导致错误，但这极不可能。

Answer 2

正如已经指出的，假设 wchar_t* 字符串是 UTF-32 编码的并不安全。

如果您对此非常关心并希望它尽可能健壮，请使用 wcstombs_l() 将 wchar_t* 字符串转换为 UTF-8 编码的 char* 字符串。使用 newlocale() 指定“UTF-8”语言环境。这将可靠地将 wchar_t* 字符串转换为 UTF-8 编码的 char* 字符串。您可以使用 mbstowcs_l() 转换回来。

一旦你有了一个 UTF-8 编码的 char*，你应该准备好使用 NSUTF8StringEncoding 进行 NSString 转换。是的，这是一个额外的箍。跳过它。