Sto provando a convertire un UTF-8 string in un ISO-8859-1 char* da utilizzare nel codice legacy. L'unico modo che sto vedendo per farlo è con iconv.Converti stringa da UTF-8 a ISO-8859-1
Preferirei assolutamente una soluzione C++ completamente basata su string, quindi chiamare lo .c_str() sulla stringa risultante.
Come posso fare? Esempio di codice, se possibile, per favore. Sto bene usando iconv se è l'unica soluzione che conosci.
Primo convertito Unicode da UTF-8 a 32 bit.
Quindi tenere i valori che sono nel range da 0 a 255.
Questi sono i punti di codice Latin-1, e per altri valori, decidere se si desidera per il trattamento che come un errore o forse sostituire con il codice di punto 127 (il mio preferito, l'ASCII "del") o un punto interrogativo o qualcosa del genere.
libreria standard Il C++ definisce una specializzazione std::codecvt che può essere utilizzato,
template<>
codecvt<char32_t, char, mbstate_t>
C++ 11 §22.4.1.4/3: “ la specializzazione codecvt <char32_t, char, mbstate_t> converte tra UTF-32 e schemi di codifica UTF-8 ”
Funziona bene, semplicemente perché Unicode è stato definito come un superset di ISO-8859- 1 per cominciare. Vedi http://en.wikipedia.org/wiki/Unicode#Origin_and_development P.S. come punto di partenza per la conversione potrei suggerire http://stackoverflow.com/a/148766/5987 –
Ho intenzione di modificare il mio codice from another answer per implementare il suggerimento da Alf.
std::string UTF8toISO8859_1(const char * in)
{
std::string out;
if (in == NULL)
return out;
unsigned int codepoint;
while (*in != 0)
{
unsigned char ch = static_cast<unsigned char>(*in);
if (ch <= 0x7f)
codepoint = ch;
else if (ch <= 0xbf)
codepoint = (codepoint << 6) | (ch & 0x3f);
else if (ch <= 0xdf)
codepoint = ch & 0x1f;
else if (ch <= 0xef)
codepoint = ch & 0x0f;
else
codepoint = ch & 0x07;
++in;
if (((*in & 0xc0) != 0x80) && (codepoint <= 0x10ffff))
{
if (codepoint <= 255)
{
out.append(1, static_cast<char>(codepoint));
}
else
{
// do whatever you want for out-of-bounds characters
}
}
}
return out;
}
L'input UTF-8 non valido restituisce caratteri interrotti.
In realtà, ho UTF-8 'stringa' in arrivo. Se lo hai fatto' stringa'-a-'stringa ' sarebbe perfetto. –
@ChrisRedford, basta chiamarlo con 'mystr.c_str()'. Mi piace avere l'input 'const char *' perché è più flessibile. –
Poiché l'input proviene da un 'std :: string', basta sostituire' const char * in' con 'const std :: string & in', e quindi creare una variabile locale' char * 'che viene assegnata' in.c_str () 'per l'uso nel ciclo, e usare' in.size() 'come un contatore di cicli invece di' * in! = 0'. Oppure usa gli 'iteratori' in.begin() 'e' in.end(). –
Alfs suggerimento implementato in C++ 11
#include <string>
#include <codecvt>
#include <algorithm>
#include <iterator>
auto i = u8"H€llo Wørld";
std::wstring_convert<std::codecvt_utf8<wchar_t>> utf8;
auto wide = utf8.from_bytes(i);
std::string out;
out.reserve(wide.length());
std::transform(wide.cbegin(), wide.cend(), std::back_inserter(out),
[](const wchar_t c) { return (c <= 255) ? c : '?'; });
// out now contains "H?llo W\xf8rld"
Che suona come un potenziale grande progetto - ed esattamente il genere di cose una libreria come iconv è buono per. Cosa c'è di sbagliato nel farlo nel modo giusto? –
Sto bene usando iconv se questo è l'unico modo disponibile per farlo. Non è sicuramente la soluzione C++ più elegante che si possa immaginare. Qualcosa come 's.toEncoding (" ISO-8859-1 ")' sarebbe molto più elegante. Il mio punto è, anche se lo sto facendo in iconv, non mi è chiaro come usare la libreria con l'input 'string'. –
Non è sicuro, ma potrebbe essere utile: http://www.openldap.org/lists/openldap-devel/200304/msg00123.html – gerbit