QChar::isLetterOrNumber() 失败

Question

我想将 QStrings 转换为文件名。因为我希望文件名看起来干净，所以我想用下划线替换所有非字母和非数字。下面的代码应该做到这一点。

#include <iostream>
#include <QString>

QString makeFilename(const QString& title)
{
    QString result;
    for(QString::const_iterator itr = title.begin(); itr != title.end(); itr++)
     result.push_back(itr->isLetterOrNumber()?itr->toLower():'_');
    return result;
}

int main()
{
    QString str = "§";
    std::cout << makeFilename(str).toAscii().data() << std::endl;
}

但是，在我的电脑上，这不起作用，我得到一个输出：

�_

寻找解释，调试告诉我QString("§").size() = 2 > 1 = QString("a").size()。

我的问题：

• 为什么 QString 使用 2 个 QChars 表示“§”？ （已解决）
• 您有makeFilename 的解决方案吗？它也适用于中国人吗？

Answer 1

除了其他人所说的之外，请记住 QString 是一个 UTF-16 编码的字符串。 BMP 之外的 Unicode 字符需要 2 个 QChar 值一起工作，称为代理对，以便对该字符进行编码。 QString documentation 说了这么多：

代码值高于 65535 的 Unicode 字符使用代理对存储，即两个连续的 QChar。

在循环QString 时，您没有考虑到这一点。您正在单独查看每个 QChar，而不检查它是否属于代理对。

试试这个：

QString makeFilename(const QString& title) 
{ 
    QString result; 

    QString::const_iterator itr = title.begin();
    QString::const_iterator end = title.end();

    while (itr != end)
    {
        if (!itr->isHighSurrogate())
        {
            if (itr->isLetterOrNumber())
            {
                result.push_back(itr->toLower()); 
                ++itr;
                continue;
            }
        }
        else
        {
            ++itr;
            if (itr == end)
                break; // error - missing low surrogate

            if (!itr->isLowSurrogate())
                break; // error - not a low surrogate

            /*
            letters/numbers should not need to be surrogated,
            but if you want to check for that then you can use
            QChar::surrogateToUcs4() and QChar::category() to
            check if the surrogate pair represents a Unicode
            letter/number codepoint...

            uint ch = QChar::surrogateToUcs4(*(itr-1), *itr);
            QChar::Category cat = QChar::category(ch);
            if (
                ((cat >= QChar::Number_DecimalDigit) && (cat <= QChar::Number_Other)) ||
                ((cat >= QChar::Letter_Uppercase) && (cat <= QChar::Letter_Other))
                )
            {
                result.push_back(QChar(ch).toLower()); 
                ++itr;
                continue;
            }
            */
        }

        result.push_back('_');
        ++itr; 
    }

    return result; 
} 

Answer 2

好的，这是我的理论：当您将“§”文字提供给 QString 时，Qt 使用一些默认编码，因为您没有设置一个。如果您的编译器使用 UTF-8 存储字符串文字，您可能会输入 2 个字节，这些字节将转换为 2 个字符而不是 1 个字符。同样，您的“toAscii”输出也很可能做错事。

从外观上看，您必须找出编译器用于存储字符串文字的内容，并使用正确的值调用 setCodecForCStrings。

编辑：根据您的描述，如果我不知道编译器的编码，我可能会先尝试 QTextCodec::codecForName("UTF-8") 作为 setCodec 的参数 :-)