C++ UTF-8 vs cpp案例需要解释

我有64位Windows 7上的Microsoft Visual Studio 2010。（在项目属性中，“字符集”设置为“未设置”，但每个设置都会导致相同的输出。）

源代码：

  using namespace std;
  char const charTest[] = "árvíztűrő tükörfúrógép ÁRVÍZTŰRŐ TÜKÖRFÚRÓGÉP\n";
  cout << charTest;
  printf(charTest);
  if(set_codepage()) // SetConsoleOutputCP(CP_UTF8); // *1
    cerr << "DEBUG: set_codepage(): OK" << endl;
  else
    cerr << "DEBUG: set_codepage(): FAIL" << endl;
  cout << charTest;
  printf(charTest);

这背后的解释是什么？我可以要求

cout

以

printf

的身份工作吗

附件

许多人说Windows控制台根本不支持UTF-8字符。我是匈牙利人，我的窗口设置为英语（日期格式除外，它们设置为匈牙利语），西里尔字母仍然正确显示在匈牙利字母旁边：

---

（我的默认控制台代码页是CP852）

在Windows上，单字节字符串通常被解释为ASCII码，或者一些256字符的代码页。这意味着您将无法获得真正的unicode支持

---

简短的回答是：使用宽字符串（例如，

L“árvíztűr…”

-注意L）然后写入

wcout

，而不是

cout

。Windows通常将宽字符串（Windows上的2个字节）解释为UTF-16（或至少是一个封闭变量）在Windows上总是使用宽字符串来避免编码问题。

< P>这里的区别是C++运行库和C库是如何处理系统区域的。 要使用std：：cout获得相同的结果，您可以尝试方法和

但UTF-8和C++的主要问题描述为

C++03提供了两种字符串文字。第一种文字包含在双引号中，生成以null结尾的const char类型数组。第二种文字定义为L“，生成以空结尾的const wchar\u t类型数组，其中wchar\u t是宽字符。这两种文字类型都不支持UTF-8、UTF-16或任何其他类型的Unicode编码的字符串文字

---

所以无论如何都是实现特定的，因此是不可移植的，因为非标准的C++输出流可以理解UTF-8。

< P>首先Windows控制台不支持UTF-8（代码页65001，为了测试这个打开的UTF-8编码文件，它在控制台中用记事本保存，并且您将在控制台中看到垃圾数据），所以为了检查您的输出，您应该将其重定向到一个文件或类似的文件，并从中检查结果（myapp>test.txt）

C/C++char[]中的第二个字符序列可以按照程序员的意愿进行任意解释，但UTF-8是一种编码unicode字符集的特殊协议，因此（在C++11之外）无法编写字符序列和用UTF8编码的字符，因为我会说

char p[3]=“اب”

，但若编译器想用UTF-8编码，它需要5个字节，而不是3个字节。所以你应该使用一些理解UTF-8的东西

我建议使用带有宽字符串常量的

boost:：locale:：conv:：utf_to_utf

。比如说

std::string sUTF8 = boost::locale::conv::utf_to_utf(L"árvíztűrő tükörfúrógép ÁRVÍZTŰRŐ TÜKÖRFÚRÓGÉP\n");
std::cout << sUTF8; // or printf( "%s", sUTF8.c_str() );

std:：string sUTF8=boost:：locale:：conv:：utf_to_utf（L“rvíztűrőtükörf rógépޏrv ztŰrŐtÜkÖrf rÓgÉn”）；
就我所知，命令行似乎与UTF-8配合使用

一种能够显示UTF-8字符的字体
在命令行（chcp 65001）中设置正确的代码页不确定此代码页是否支持完整的UTF-8字符，但它似乎是可用的最佳代码页
检查一下，然后

[编辑]在我签入PowerShell后，实际上
65001
实际上是UTF-8

PS C:\Users\forcewill> chcp 65001
Active code page: 65001
PS C:\Users\forcewill>  [Console]::OutputEncoding


BodyName          : utf-8
EncodingName      : Unicode (UTF-8)
HeaderName        : utf-8
WebName           : utf-8
WindowsCodePage   : 1200
IsBrowserDisplay  : True
IsBrowserSave     : True
IsMailNewsDisplay : True
IsMailNewsSave    : True
IsSingleByte      : False
EncoderFallback   : System.Text.EncoderReplacementFallback
DecoderFallback   : System.Text.DecoderReplacementFallback
IsReadOnly        : True
CodePage          : 65001

您可以使用PowerShell，它比旧的cmd.exe强大得多

Edit:
关于使用cout如果我们在visual studio中讨论，正确的答案是更详细的解释，可以找到visual studio中的最佳实践
可能与@HansPassant重复的内容我不相信是相同的。它似乎相关，但没有明确解释
cout
和
printf
之间的区别。我还应该写一个
codevt
方面来告诉
cout
不要转换任何东西吗？我希望，应该有一种更简单的方法……wcout在内部将Unicode转换为CP_ACP，然后再转换回Unicode，这样wcout实际上不支持Unicode，这难道不是问题吗？是Windows控制台输出无法与UTF-8一起工作（它不是控制台本身的有效代码页）。上面的C++层就是不做聪明的事情。正如我所说，
main.cpp
是一个UTF-8文件，我可以在屏幕上正确地键入它。控制台完全了解UTF-8，并在发出
chcp 65001
命令后正确处理它。我不理解您评论中的投票。@notin列出
main.cpp
的编码对控制台显示的内容绝对没有影响。我清楚地记得，
CP\u UTF8
仅可用于
MultiByteToWideChar
和
WideCharToMultiByte
，但除了论坛帖子之外，我找不到其他引用。我尝试过，事实上，更改代码页是可行的（一旦你设置了一个适当的字体，就是VisualStudio在用Unicode选项编译时所支持的宽的支持，并且当使用C++的宽特性时，它是一个16字节的编码，叫做UCS2。我认为它与UTF16字符二进制兼容，只需要前15位。它是固定长度的，所以它不能代表任何东西。需要那些没有外部信息的额外字符（系统设置、区域设置或其他）。另请参阅：streams支持的编码是实现定义的。在我的Linux计算机上，默认的iostream与utf8配合使用效果很好。可能他可以在windows上使用某些设置或API调用来获得相同的结果。我迫不及待地要等到许多C++11实现获得建议的字符串文本，如u8、U和U。我使用inter这将使我们的生活变得更加轻松。您可以在上找到一个处理UTF-8的内置语言环境，如示例所示，或者您可以找到一种使用
codecvt的方法_
PS C:\Users\forcewill> chcp 65001
Active code page: 65001
PS C:\Users\forcewill>  [Console]::OutputEncoding


BodyName          : utf-8
EncodingName      : Unicode (UTF-8)
HeaderName        : utf-8
WebName           : utf-8
WindowsCodePage   : 1200
IsBrowserDisplay  : True
IsBrowserSave     : True
IsMailNewsDisplay : True
IsMailNewsSave    : True
IsSingleByte      : False
EncoderFallback   : System.Text.EncoderReplacementFallback
DecoderFallback   : System.Text.DecoderReplacementFallback
IsReadOnly        : True
CodePage          : 65001