C++ - 不正确的 ASCII 值（“ë”）答案

【问题标题】：C++ - Incorrect ASCII value ("ë")C++ - 不正确的 ASCII 值（“ë”）
【发布时间】：2013-01-12 00:16:54
【问题描述】：

首先，我为我将犯的任何英语错误道歉，但 15 岁和法语并没有帮助......

我正在尝试借助文件格式规范 (http://www.libpng.org/pub/png/spec/1.2/PNG-Contents.html) 对 PNG 解码器进行编程，但遇到了一个奇怪的问题。

规范规定 PNG 文件的前 8 个字节始终包含以下（十进制）值：137 80 78 71 13 10 26 10。

当我测试这个简单的程序时：

int main() 
{
    ifstream file("test.png");

    string line;
    getline(file, line);

    cout << line[0] << endl;
}

输出是“ë”，它代表 ascii 表中的 137。很好，它匹配第一个字节。

但是，当我执行int ascii_value = line[0]; 时，输出值为-119，这不是正确的ascii 值。

当我用“e”之类的另一个字符尝试相同的操作时，它会输出正确的 ascii 值。

有人可以解释我做错了什么以及解决方案是什么吗？我个人认为这是扩展 ascii 表的问题，但我不确定。

谢谢大家！ 我会将已签名的字符转换为未签名的字符！

【问题讨论】：

首先，std::string [] 运算符返回一个（对 a 的引用）char 而不是 int。根据您运行的语言环境以及您的限制文件所说的 -119 是一个完全有效的数字：)
你的格式和英文都不错，不需要道歉:)
有意或无意，第一行很搞笑，因为这篇文章中的英语比许多（如果不是大多数）在线帖子中的要好......
ë 137 采用什么编码方式？在 Unicode、iso8859-1 和 iso8859-15 中，ë 是 235。

【解决方案1】：

C++ 中的char 可以是有符号的也可以是无符号的¹⁾，这取决于它的实现。对于您的编译器（实际上，大多数情况下），它似乎已签名：

任何大于 128 的字符值都表示为负数。 -119 恰好对应于 unsigned 字符值 137。换句话说，以下成立：

unsigned char c = 137;
assert(static_cast<signed char>(c) == -119);

但请注意，这是特定于实现的，因此您通常不能依赖这些值。

¹⁾ 并且是signed char 和unsigned char 的不同类型。

【讨论】：

关于char 与signed char 和unsigned char 的区别很好。
是的。 3 个不同的 char 变体很容易被忽视，因为许多教科书/课程从不费心提及它。我还发现有趣的是，C 标准也特意说了同样的话。见 C11 6.2.5.14-15。从 6.2.5.15 开始：“实现应将 char 定义为与 signed char 或 unsigned char 具有相同的范围、表示和行为”，然后脚注部分内容为“无论做出何种选择，@987654331 @ 是与其他两个不同的类型，并且与任何一个都不兼容。” C99 有相似的文字。
@Kevin 实际上我是在编写了一个程序之后才意识到这一点的，该程序在某些情况下使用特征测试类型相等性，并且由于char 既不是signed char 也不是unsigned char 而出现错误。
我在追踪一个依赖于此的有趣 hack 时遇到了它，并且遇到了一个类，该类的方法具有 3 个重载，一个在 char*，一个在 unsigned char*，一个在 @ 987654337@。不用说这让我很震惊，因为我一直非常密切地关注 C++0x 的开发（阅读和理解大多数工作论文）并且觉得我非常了解该语言。

【解决方案2】：

当您允许符号扩展时会发生这种情况。扩展 ASCII 表中的字符设置了它们的高位（符号位）。

-119 是0x89。 137 也是0x89。

试试

int ascii_value = line[0] & 0x00FF;

或

int ascii_value = (unsigned char)line[0];

【讨论】：

【解决方案3】：

您系统的char 类型是有符号的，这就是它的值可以为负数的原因。

你需要明确并放弃标志：

const unsigned char value = (unsigned char) line[0];

请注意，您的机器似乎正在使用 two's complement 中的 -119 = 137。所以这些位本身确实是正确的，关键在于正确地解释它们。

【讨论】：

【解决方案4】：

ASCII 仅涵盖 0 .. 127。ASCII 表中没有 137。

也没有“扩展的 ASCII 表”这样的东西。有几十个（相互不兼容的）ASCII 扩展。哎呀，从技术上讲，即使是 Unicode 也是“扩展 ASCII”。

您得到 -119，因为在您的编译器中 char 是有符号类型，涵盖从 -128 到 127 的值。（-119 是 137 - 256）。您可以通过显式转换为unsigned char 来获得您期望的值：

int value = static_cast<unsigned char>(line[0]);

【讨论】：

【解决方案5】：

137 = -119 = 0x89。如果你投(unsigned) (unsigned char)(line[0])，你会得到它来打印整数值137。

char 类型（std::string 的基本类型）[通常] 是一个有符号值，范围为 -128-127。任何高于 127 的都是负数。

【讨论】：

【解决方案6】：

C++ 没有指定char 是有符号还是无符号类型。这意味着“扩展的” ASCII 字符（0..127 范围之外的字符，其最高位已设置）可能被解释为负值；看起来这就是你的编译器所做的。

要获得您期望的无符号值，您需要将其显式转换为 unsigned char 类型：

int ascii_value = static_cast<unsigned char>(line[0]); // Should be 137

【讨论】：