如何将 UTF-8 std::string 转换为 UTF-16 std::wstring？

Question

如果我有 UTF-8

std::string

，如何将其转换为 UTF-16

std::wstring

？其实我想比较两个波斯语单词。

Answer 1

这就是使用 C++11 的方法：

std::string str = "your string in utf8";
std::wstring_convert<std::codecvt_utf8_utf16<char16_t>> converter;
std::wstring wstr = converter.from_bytes(str);

这些是您需要的标题：

#include <iostream>
#include <string>
#include <locale>
#include <codecvt>

这里有更完整的示例： http://en.cppreference.com/w/cpp/locale/wstring_convert/from_bytes

Answer 2

这是一些代码。仅进行了少量测试，可能还有一些改进。调用此函数将 UTF-8 字符串转换为 UTF-16 wstring。如果它认为输入字符串不是 UTF-8 那么它会抛出异常，否则它返回等效的 UTF-16 wstring。

std::wstring utf8_to_utf16(const std::string& utf8)
{
    std::vector<unsigned long> unicode;
    size_t i = 0;
    while (i < utf8.size())
    {
        unsigned long uni;
        size_t todo;
        bool error = false;
        unsigned char ch = utf8[i++];
        if (ch <= 0x7F)
        {
            uni = ch;
            todo = 0;
        }
        else if (ch <= 0xBF)
        {
            throw std::logic_error("not a UTF-8 string");
        }
        else if (ch <= 0xDF)
        {
            uni = ch&0x1F;
            todo = 1;
        }
        else if (ch <= 0xEF)
        {
            uni = ch&0x0F;
            todo = 2;
        }
        else if (ch <= 0xF7)
        {
            uni = ch&0x07;
            todo = 3;
        }
        else
        {
            throw std::logic_error("not a UTF-8 string");
        }
        for (size_t j = 0; j < todo; ++j)
        {
            if (i == utf8.size())
                throw std::logic_error("not a UTF-8 string");
            unsigned char ch = utf8[i++];
            if (ch < 0x80 || ch > 0xBF)
                throw std::logic_error("not a UTF-8 string");
            uni <<= 6;
            uni += ch & 0x3F;
        }
        if (uni >= 0xD800 && uni <= 0xDFFF)
            throw std::logic_error("not a UTF-8 string");
        if (uni > 0x10FFFF)
            throw std::logic_error("not a UTF-8 string");
        unicode.push_back(uni);
    }
    std::wstring utf16;
    for (size_t i = 0; i < unicode.size(); ++i)
    {
        unsigned long uni = unicode[i];
        if (uni <= 0xFFFF)
        {
            utf16 += (wchar_t)uni;
        }
        else
        {
            uni -= 0x10000;
            utf16 += (wchar_t)((uni >> 10) + 0xD800);
            utf16 += (wchar_t)((uni & 0x3FF) + 0xDC00);
        }
    }
    return utf16;
}

Answer 3

有一些相关的问答这里和这里值得一读。

基本上，您需要将字符串转换为通用格式 - 我的偏好始终是转换为 UTF-8，但您的里程可能会谨慎。

已经有很多为进行转换而编写的软件——转换是直接进行的，并且可以在几个小时内完成——但是为什么不选择已经完成的东西，例如 UTF-8 CPP

Answer 4

要在两种类型之间进行转换，您应该使用：std::codecvt_utf8_utf16< wchar_t>
请注意我用来定义 UTF16 (L) 和 UTF8 (u8) 的字符串前缀。

#include <string>

#include <codecvt>

int main()
{

    std::string original8 = u8"הלו";

    std::wstring original16 = L"הלו";

    //C++11 format converter
    std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> convert;

    //convert to UTF8 and std::string
    std::string utf8NativeString = convert.to_bytes(original16);

    std::wstring utf16NativeString = convert.from_bytes(original8);

    assert(utf8NativeString == original8);
    assert(utf16NativeString == original16);

    return 0;
}

Answer 5

Microsoft 为此类转换开发了一个漂亮的库，作为其 Casablanca 项目的一部分，也称为 CPPRESTSDK。这在命名空间utility::conversions下标记。

它的简单用法类似于使用命名空间

实用程序::转换

utf8_to_utf16("sample_string");

Answer 6

使用winrt，您可以轻松地将utf8的std::string转换为hstring(wchar)

Answer 7

此页面似乎也很有用：http://www.codeproject.com/KB/string/UtfConverter.aspx

在该页面的评论部分，还有一些关于此任务的有趣建议，例如：

// Get en ASCII std::string from anywhere
std::string sLogLevelA = "Hello ASCII-world!";

std::wstringstream ws;
ws << sLogLevelA.c_str();
std::wstring sLogLevel = ws.str();

或者

// To std::string:
str.assign(ws.begin(), ws.end());
// To std::wstring
ws.assign(str.begin(), str.end());

虽然我不确定这些方法的有效性......