将所有可能的字符写入文件

Question

我想将存在的每个字符写入文件。我猜 unicode 有最完整的字符集，但我不太清楚。你能帮我解决这个问题吗？我正在使用 C++。这段代码似乎“只”写了 ASCII 字符集（或者我错了吗？）。感谢您的帮助。

#include <iostream>
#include <fstream>

using namespace std;

int main(void) {

wofstream wOutStream;
wOutStream.open("myFile.txt");

wchar_t myChar = 0;
do {
    wOutStream << myChar << " ";
    myChar++;
} while (myChar != 0);

wOutStream.close();

cin.get();
return 0;
}

Answer 1

这是一个相当开放的问题，确切的答案取决于你的雄心壮志。所以我就不贴程序了，只列出基本步骤：

• Unicode 将字符分配给数字（称为代码点），例如“A”分配给 nr 65，通常以十六进制写为 U+0041。它还定义了名称和许多其他属性。例如“A”被称为“LATIN CAPITAL LETTER A”，它的小写版本是“a”，它是从左到右语言的一部分等等。

• 但它自己不指定如何将该字符写入文件。为此，您必须选择一种编码。常见的编码是 UTF-8，应该很容易找到将代码点编码为字节的代码。如果你打开你的文本文件，那么你的编辑器也需要理解这种编码（对于 UTF-8 应该不是问题）。

• 特别是对于 C++，在编写 UTF-8 时，我会打开一个窄输出流 (std::ofstream) 并写入字节。 C++ 原则上不支持编写 Unicode 文件。您的程序大致如下所示。

  for (unsigned int codePoint = 0; codePoint < 0x110000; ++codePoint)
  {
      std::string utf8 = encode_utf8(codePoint);
      outStream << utf8 << " ";
  }
  

  也许每 256 个字符左右添加一个换行符。

• 有 2^16 个代码点的 17 个平面。许多常用字符都在第一个平面中。您可以仅打印第一个平面（U+0000 到 U+FFFF），也可以打印所有代码点（U+0000 到 U+10FFFF）。有些位面还没有指定角色。

• 您只想打印分配的代码点吗？在这种情况下，您必须从 Unicode 联盟下载列表并对其进行解析。没有产生分配代码点的公式。或者正如其他人指出的那样，您可以使用内置这些表的语言，例如 Python 或 Java。

• 最后，一些范围保留给私人使用。您也可以选择跳过这些。