如何获取特定 WCHAR 字符的代码点？答案

【问题标题】：How to get codepoint of particular WCHAR character?如何获取特定 WCHAR 字符的代码点？
【发布时间】：2012-06-06 10:48:39
【问题描述】：

例如我这里需要第5个字符的codepoint，即ð

const WCHAR* mystring = L"Þátíð";

我知道它有代码点：U+00F0 - 但是如何使用 c++ 获取这个整数？

【问题讨论】：

wchar_t 是编译器特定的类型，WCHAR 表示 Windows (wchar_t==WCHAR==UCS2/UTF16LE) 如果想要可移植性，则需要将 WCHAR 更改为 wchar_t。如果这只是 Windows，则应使用 windows 标签对其进行标记...

标签： c++ wchar-t

【解决方案1】：

Windows 2000 及更高版本中的 WCHAR 是 UTF-16LE，因此按索引访问字符串中的特定字符不一定安全。您应该使用CharNext 之类的东西来遍历字符串，以正确处理代理对和组合字符/变音符号。

在这个特定示例中，Forgottn 的答案取决于编译器发出的 á 和 í 字符的预组合版本...（对于大多数 Windows 编译器来说，这可能是正确的，移植到 Mac OS 可能会有问题）

【讨论】：

【解决方案2】：

const WCHAR myString[] = L"Þátíð";
size_t myStringLength = 0;
if(SUCCEEDED(StringCchLengthW(myString, STRSAFE_MAX_CCH, &myStringLength))
{
    LPCWSTR myStringIterator = myString;
    for(size_t sz = 0; sz < myStringLength; ++sz)
    {
        unsigned int mySuperSecretUnicodeCharacter = *myStringIterator;
        LPCWSTR myNextIterator = CharNext(myStringIterator);
        std::vector<unsigned int> diacriticsOfMySuperSecretUnicodeCharacter(myStringIterator+1, myNextIterator);
        myStringIterator = myNextIterator;
    }
}

编辑 1：让它真正起作用

编辑 2：让它实际查找所有代码点

【讨论】：

好吧，我放弃了……这个：U+0061 U+0301 U+0302 U+0303 U+0304 (a´^~¯) 不能被任何“正常”类型持有。假设你永远无法知道真正的代码点。
一个 Unicode 代码点（Unicode 代码空间中的一个值）将适合 32 位，但用户所谓的“字符”可能不适合...