【发布时间】：2011-11-01 12:11:16
【问题描述】：
如果我有一个 UTF-8 std::string 如何将其转换为 UTF-16 std::wstring？其实，我想比较两个波斯语单词。
【问题讨论】：
【发布时间】：2011-11-01 12:11:16
【问题描述】：
这就是您使用 C++11 的方式：
std::string str = "your string in utf8";
std::wstring_convert<std::codecvt_utf8_utf16<char16_t>> converter;
std::wstring wstr = converter.from_bytes(str);
这些是您需要的标题：
#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
此处提供了更完整的示例： http://en.cppreference.com/w/cpp/locale/wstring_convert/from_bytes
【讨论】：
-
很好的答案，谢谢！ ...但请遵循 cppreference.com 上的示例。
wchar_t不是 Windows 以外的操作系统上的 16 位类型。您需要改用char16_t。 -
@CrisLuengo 谢谢！ ? 我更新了答案，改为使用
char16_t。 -
不能在 lubuntu 16.04 上使用 g++ 6.2 或 clang++ 3.8
-
不幸的是，这在 C++17 中已被弃用。 mariusbancila.ro/blog/2018/07/05/…
这里有一些代码。仅经过轻微测试，可能会有一些改进。调用此函数将 UTF-8 字符串转换为 UTF-16 wstring。如果它认为输入字符串不是 UTF-8 则抛出异常，否则返回等效的 UTF-16 wstring。
std::wstring utf8_to_utf16(const std::string& utf8)
{
std::vector<unsigned long> unicode;
size_t i = 0;
while (i < utf8.size())
{
unsigned long uni;
size_t todo;
bool error = false;
unsigned char ch = utf8[i++];
if (ch <= 0x7F)
{
uni = ch;
todo = 0;
}
else if (ch <= 0xBF)
{
throw std::logic_error("not a UTF-8 string");
}
else if (ch <= 0xDF)
{
uni = ch&0x1F;
todo = 1;
}
else if (ch <= 0xEF)
{
uni = ch&0x0F;
todo = 2;
}
else if (ch <= 0xF7)
{
uni = ch&0x07;
todo = 3;
}
else
{
throw std::logic_error("not a UTF-8 string");
}
for (size_t j = 0; j < todo; ++j)
{
if (i == utf8.size())
throw std::logic_error("not a UTF-8 string");
unsigned char ch = utf8[i++];
if (ch < 0x80 || ch > 0xBF)
throw std::logic_error("not a UTF-8 string");
uni <<= 6;
uni += ch & 0x3F;
}
if (uni >= 0xD800 && uni <= 0xDFFF)
throw std::logic_error("not a UTF-8 string");
if (uni > 0x10FFFF)
throw std::logic_error("not a UTF-8 string");
unicode.push_back(uni);
}
std::wstring utf16;
for (size_t i = 0; i < unicode.size(); ++i)
{
unsigned long uni = unicode[i];
if (uni <= 0xFFFF)
{
utf16 += (wchar_t)uni;
}
else
{
uni -= 0x10000;
utf16 += (wchar_t)((uni >> 10) + 0xD800);
utf16 += (wchar_t)((uni & 0x3FF) + 0xDC00);
}
}
return utf16;
}
【讨论】：
-
谢谢！谢谢！它奏效了......我不敢相信：）谢谢你的时间，约翰
-
真的很高兴它有帮助。这实际上只是提出正确问题的问题。这个论坛上有很多知识，但是新手经常无法访问这些知识，因为他们不知道该问什么。
-
@aliakbarian：实际上我刚刚在我的代码中发现了一个小错误，您可能应该再次复制它。我把这个
if (j == utf8.size())改成了这个if (i == utf8.size())。 -
注意：这仅适用于 Windows。 Unix 系统使用 32 位的 wchar_t Alltho 你仍然可以做 std::wstring wstr(str.begin(), str.end());在 Windows 上。
-
@coo 当然，这是可能的。如果您的目标是丢弃您的数据。简单地扩展每个 UTF-8 代码单元以适应 UTF-16 代码单元并不会神奇地在这些编码之间进行转换。这只会对输入序列中的任何代码单元产生乱码，而这些代码单元不会恰好编码 ASCII 代码点。
基本上，您需要将字符串转换为通用格式——我的偏好始终是转换为 UTF-8，但您的里程可能会谨慎。
已经编写了很多用于进行转换的软件——转换是直接的，可以在几个小时内完成——但是为什么不pick up something already done such as the UTF-8 CPP
【讨论】：
-
如果您仅使用 Windows：msdn.microsoft.com/en-us/library/dd319072(v=VS.85).aspx。否则，请使用便携式库。
要在这两种类型之间进行转换，您应该使用：std::codecvt_utf8_utf16< wchar_t>
请注意我用来定义 UTF16 (L) 和 UTF8 (u8) 的字符串前缀。
#include <string>
#include <codecvt>
int main()
{
std::string original8 = u8"הלו";
std::wstring original16 = L"הלו";
//C++11 format converter
std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> convert;
//convert to UTF8 and std::string
std::string utf8NativeString = convert.to_bytes(original16);
std::wstring utf16NativeString = convert.from_bytes(original8);
assert(utf8NativeString == original8);
assert(utf16NativeString == original16);
return 0;
}
【讨论】：
Microsoft 为此类转换开发了一个漂亮的库，作为其 Casablanca 项目的一部分，也称为 CPPRESTSDK。这是在命名空间utility::conversions 下标记的。
使用命名空间时，它的简单用法如下所示
utility::conversions
utf8_to_utf16("sample_string");
【讨论】：
这个页面似乎也很有用：http://www.codeproject.com/KB/string/UtfConverter.aspx
在该页面的评论部分，还有一些关于此任务的有趣建议，例如：
// Get en ASCII std::string from anywhere
std::string sLogLevelA = "Hello ASCII-world!";
std::wstringstream ws;
ws << sLogLevelA.c_str();
std::wstring sLogLevel = ws.str();
或者
// To std::string:
str.assign(ws.begin(), ws.end());
// To std::wstring
ws.assign(str.begin(), str.end());
虽然我不确定这些方法的有效性...
【讨论】：
-
assign() 绝对不是转换 UTF-8UTF-16 的方法。不要在家里尝试这个