如何从 Little-Endian UTF-16 编码字节获取 C++ std::string

Question

我有一个第 3 方设备，它通过没有很好记录的专有通信协议与我的 Linux 机器通信。一些数据包传送“字符串”，在读取this Joel On Software article 后，似乎采用 UTF16 Little-Endian 编码。换句话说，在收到此类数据包后，我的 Linux 机器上的内容类似于

// The string "Out"
unsigned char data1[] = {0x4f, 0x00, 0x75, 0x00, 0x74, 0x00, 0x00, 0x00};

// The string "°F"
unsigned char data2[] = {0xb0, 0x00, 0x46, 0x00, 0x00, 0x00};

据我了解，我不能将它们视为 std::wstring，因为在 Linux 上 wchar_t 是 4 个字节。然而，我确实有一件事情适合我，因为我的 Linux 机器也是 Little-Endian。所以，我相信我需要使用std::codecvt_utf8_utf16<char16_t> 之类的东西。然而，即使在阅读the documentation 之后，我也无法弄清楚如何从unsigned char[] 实际转到std::string。有人可以帮忙吗？

Answer 1

如果您希望使用 std::codcvt（自 C++ 17 起已弃用），您可以包装 UTF-16 文本，然后在需要时将其转换为 UTF-8。

即

// simply cast raw data for constructor, since we known that char 
// is actually 'byte' array from network API
std::u16string u16_str( reinterpret_cast<const char16_t*>(data2) );

// UTF-16/char16_t to UTF-8
std::string u8_conv = std::wstring_convert<std::codecvt_utf8_utf16<char16_t>,char16_t>{}.to_bytes(u16_str);

Answer 2

为了完整起见，这是我想出的最简单的基于iconv 的转换

#include <iconv.h>

auto iconv_eng = ::iconv_open("UTF-8", "UTF-16LE");
if (reinterpret_cast<::iconv_t>(-1) == iconv_eng)
{
  std::cerr << "Unable to create ICONV engine: " << strerror(errno) << std::endl;
}
else
{
  // src            a char * to utf16 bytes
  // src_size       the maximum number of bytes to convert
  // dest           a char * to utf8 bytes to generate
  // dest_size      the maximum number of bytes to write
  if (static_cast<std::size_t>(-1) == ::iconv(iconv_eng, &src, &src_size, &dest, &dest_size))
  {
    std::cerr << "Unable to convert from UTF16: " << strerror(errno) << std::endl;
  }
  else
  {
    std::string utf8_str(src);
    ::iconv_close(iconv_eng);
  }
}