C++ 将unicode字符串定义为字节数组

假设我们有windows-1251编码的main.cpp文件，其内容如下：

int main()
{
     wchar_t* ws = L"котэ"; //cat in russian
     return 0;
}

如果我们在VisualStudio中编译它，一切都很好，但我们将使用GCC编译它，源代码的默认编码是UTF-8。当然，我们可以为编译器转换文件编码或设置选项“-finput charset=windows-1251”，但如果不是呢？可以通过将原始文本替换为十六进制UTF32字节来实现这一点：

int main()
    {
         wchar_t* ws = (wchar_t*)"\x3A\x04\x00\x00\x3E\x04\x00\x00\x42\x04\x00\x00\x4D\x04\x00\x00\x00\x00\x00\x00"; //cat in russian
         return 0;
    }

但有点夸张：4个字母变成了20个字节((

---

还有其他方法吗？

您需要的是使用GCC和VS都能理解的文件编码。在我看来，以UTF-8编码保存文件是前进的方向

---

另请参见：

使用

wchar_t*ws=L“аэ”

@πάνταῥεῖ, 不正确。仅当文件main.cpp具有utf8时，该选项才有效encoding@AlekDepler那么，@πνταῥεῖ, 没有C++ 11，我很确定问题。remains@SamVarshavchik，乌克兰语中的“cat”是“κiц”，请完成学业。我知道这一点，乍一看，这是一个简单而明显的问题。但问题是：如果你试图定义单字节非英语字符串（char*s=“κцэ”；），将其保存在utf8中并在VisualStudio中编译…猜怎么着？您将在该字符串中获得原始utf8字节，而不是与系统语言环境相关的字节，这会导致所有代码中出现各种问题（例如，strlen将无法正确计算长度）@ AlekDepler，你应该保持与使用<代码> char 和<代码> WCARYTT ，否则你肯定会遇到这样的麻烦。如果你必须混合它们，最好是把char字符串保存到ASCII。是的，有很多不同的API：你需要考虑。在VS/Windows中，约定是使用WCH。ar表示任何Unicode（例如文件名），而在Linux中，更常见的是使用char并将其解释为UTF-8。strlen和friends，如您所说，计算字节，而不是Unicode字符-这对于大多数用途来说都是很好的（例如，确定分配或复制的内存量）。如果您想编写可移植代码，您需要小心如何使用Unicode字符串。一种方法是全面使用UTF-8：将文件编码为UTF-8，并全面使用UTF-8字符串（使用char*字符串和/或std:：string，并始终将其解释为UTF-8）。然后，您可以使用一个库，例如转换为UTF-16或从UTF-16转换为UTF-16，并获得真正的字符串长度（字符串的Unicode码点数）等。