从 lisp 中的八位字节解码单个字符答案

【问题标题】：Decode a single character from octets in lisp从 lisp 中的八位字节解码单个字符
【发布时间】：2015-10-17 16:34:26
【问题描述】：

如何从普通 lisp 中的八位字节向量中解码单个字符？

我想要类似的东西：

(decode-character vector :start i :encoding :utf-8)

或更具体地：

(decode-character #(195 164 195 173 99 195 176) :start 0)
=> #\LATIN_SMALL_LETTER_A_WITH_DIAERESIS

这将返回从vector 中的i 位置开始的UTF-8 编码字符。

我不知道如何使用 babel 或 flexi-streams 来做到这一点。

【问题讨论】：

你可以看看trivial-utf-8
@coredump trivial-utf-8 没有我要的，只支持 utf-8 编码。

标签： string unicode lisp common-lisp

【解决方案1】：

(defun decode-character (vector &rest args)
  (char (apply #'babel:octets-to-string
               (coerce vector '(vector (unsigned-byte 8))) args)
        0))

【讨论】：

之前我不会coerce，而是check-type。
encoding 关键字参数似乎与问题相关。
如果它使用@coredump 的答案中的 start 和 end 关键字参数，这将起作用。我希望得到一些不会不必要地创建字符串的东西，但这至少有效。
@Thayne 如果您需要在较低级别工作，您还可以查看 octets-to-string 是如何实现的。也许引入一个从流中获取下一个字符的自定义read-character 函数并不难实现。

【解决方案2】：

这可能不是您想要的（如果可以的话，我很乐意更新）。我没有看 Babel，但你可以概括我猜其他编码的方法。我会在这里坚持trivial-utf-8。我会这样做：

(defun decode-utf-8-char (octet-vector &key (start 0))
  (char (trivial-utf-8:utf-8-bytes-to-string 
          octet-vector
          :start start
          :end (+ start 4)) 0))

使用示例向量给出您想要的结果。它起作用的原因是因为 utf-8 字符最多为4 bytes long。对char 的调用是为了获取第一个字符，以防实际读取多个字符。

【讨论】：