如何在 C++ 中获取 Windows-1252 字符值？答案

【问题标题】：How to get Windows-1252 character values in c++?如何在 C++ 中获取 Windows-1252 字符值？
【发布时间】：2021-02-09 09:10:32
【问题描述】：

我有一个奇怪的输入文件，其中包含各种控制字符，例如空值。我想从这个 Windows-1252 编码的文本文件中删除所有控制字符，但如果你这样做：

std::string test="tést";
for (int i=0;i<test.length();i++)
{
     if (test[i]<32) test[i]=32; // change all control characters into spaces
}

它也会把 é 变成一个空格。

所以如果你有这样的字符串，在 Windows-1252 中编码：

std::string test="tést";

十六进制值是：

t  é  s  t
74 E9 73 74

test[0] 将等于十进制 116 (=0x74)，但显然对于 é/0xE9，test[1] 不等于十进制值 233。

那么你怎么能正确识别那个é呢？

【问题讨论】：

It will change the é into a space as well. 不，它不会，因为正如您发布的那样，é 的十六进制值远高于 32。发布实际重现问题的内容，不要描述您的代码。 Latin1/Windows-1252 没有什么特别之处。发布一些其他人可以在他们自己的机器上执行并获得您描述的结果，而无需添加缺失的代码或手动进行比较。
@PanagiotisKanavos 根据具体情况，它可能是一个负值。
@anastaciu 不，因为char 不是数字。它有时被视为无符号字节值，这可能导致各种奇怪的错误，但 C++ 不鼓励这种 C 风格的使用。这就是为什么人们应该将字符与字符进行比较，而不是数字。 32 不是 ' '。
至少与空格字符比较，' '，而不是 ASCII 值：if (test[i]<' ')
@PanagiotisKanavos，我同意，但与int 相比，循环中可能发生的事情

【解决方案1】：

32 是一个有符号整数，将char 与有符号整数进行比较由编译器执行为有符号：E9 (-23)

使用32 的无符号文字，即32u，对无符号值执行比较：E9 (233)

替换：

if (test[i]<32) test[i]=32;

作者：

if (test[i]<32u) test[i]=32u;

你应该得到预期的结果。

注意：您可以检查char 是否使用以下代码签名：

#include <limits>
...
std::cout << std::numeric_limits<char>::is_signed << std::endl;

【讨论】：

“u”是什么意思？
u 向编译器指示该值是 unsigned int 类型的文字。 en.cppreference.com/w/cpp/language/integer_literal（注意：您可以定义自己的自定义文字后缀。）

【解决方案2】：

改变

if (test[i]<32)

到

if (test[i] >= 0 && test[i] < 32)

字符通常是有符号类型，0xE9 是八位整数中的负值。

【讨论】：