如何在c++中迭代unicode字符

How to iterate over unicode characters in C++?

本文关键字：迭代 unicode 字符 c++      更新时间：2023-10-16

我知道要在c++中获得unicode字符，我可以这样做:

std::wstring str = L"u4FF0";

但是，如果我想获得4FF0到5FF0范围内的所有字符该怎么办?是否可以动态地构建一个unicode字符?我脑子里想的是这样的伪代码:

for (int i = 20464; i < 24560; i++ { // From 4FF0 to 5FF0
    std::wstring str = L"u" + hexa(i); // build the unicode character
    // do something with str
}

我如何在c++中做到这一点?

保存在wstring中的wchar_t类型是一个整数类型，所以您可以直接使用它:

for (wchar_t c = 0x4ff0;  c <= 0x5ff0;  ++c) {
    std::wstring str(1, c);
    // do something with str
}

对于0xffff以上的字符要小心，因为根据平台(例如Windows)，它们不适合wchar_t。

例如，如果您想在字符串中看到Emoticon块，您可以创建代理对:

std::wstring str;
for (int c = 0x1f600; c <= 0x1f64f; ++c) {
    if (c <= 0xffff || sizeof(wchar_t) > 2)
        str.append(1, (wchar_t)c);
    else {
        str.append(1, (wchar_t)(0xd800 | ((c - 0x10000) >> 10)));
        str.append(1, (wchar_t)(0xdc00 | ((c - 0x10000) & 0x3ff)));
    }
}

你不能在Unicode字符上增加，如果它是一个数组，一些字符是由多个'char' (UTF-8)和多个'WCHAR' (UTF-16)组成的，这是因为变音符等。如果你真的对这些东西很认真，你应该使用像UniScribe或ICU这样的API。

一些参考资料:

http://en.wikipedia.org/wiki/UTF-16/UCS-2

http://en.wikipedia.org/wiki/Precomposed_character

http://en.wikipedia.org/wiki/Combining_character

http://scripts.sil.org/cms/scripts/page.php?item_id=UnicodeNames # 4 d2aa980

http://en.wikipedia.org/wiki/Unicode_equivalence

http://msdn.microsoft.com/en-us/library/dd374126.aspx

怎么样:

for (std::wstring::value_type i(0x4ff0); i <= 0x5ff0; ++i)
{
    std::wstring str(1, i);
}

请注意，代码没有经过测试，所以它可能不能按原样编译。

另外，考虑到您正在使用的平台，wstring的字符单元可能是2、4或N字节宽-因此要注意如何使用它。

相关文章：