C++ Boost.Locale和isprint

我正在寻找一种方法来显示UTF-8字符串，并转义其不可打印/无效字符。在ASCII的时代，我习惯于使用

isprint

来决定字符是按原样打印还是转义打印。对于UTF-8，迭代更加困难，但是Boost.Locale做得很好。然而，我并没有在其中找到任何东西来决定某个字符是否可以打印，甚至实际上是否有效

---

在下面的源代码中，字符串“Hello”あにま ➦ Unicode对每个代码点都有属性，其中包括a和技术报告列表（alpha、graph等）。Unicode

print

分类包括选项卡，其中

std:：isprint

（使用C语言环境）不包括。

打印

包括字母、标记、数字、标点符号、符号、空格和格式代码点。格式代码点，但包括相邻字符。我相信这正是您想要的（选项卡除外）；规范经过精心设计，以支持这些字符属性

大多数分类函数，如

std:：isprint

，一次只能给出一个标量值，因此UTF32是明显的编码选择。不幸的是，无法保证您的系统支持UTF32语言环境，也不能保证

wchar\u t

是保存所有unicode代码点所需的20位因此，如果可以的话，我会考虑使用分类。它具有所有Unicode类的内部表，并实现在ReGeX技术报告中列出的分类。它看起来像使用了旧的Unicode 5.2数据库，但是提供了用于生成表的C++，并且可以应用于更新的文件。

多字节UTF8序列仍需要转换为单独的代码点（UTF32），并且您特别提到跳过无效UTF8序列的能力。由于我是C++程序员，所以我决定不必要地对您的屏幕进行垃圾邮件，并实现一个CONTXPROUT8-＞UTF32函数：

#包括
#包括
#包括
#包括
#包括
#包括
名称空间{
结构多字节信息{
std:：uint8_t id_掩码；
std:：uint8\u t id\u匹配器；
std:：uint8数据屏蔽；
};
constexpr const std:：uint8\t多字节\u id\u掩码=0xC0；
constexpr const std:：uint8多字节id匹配器=0x80；
constexpr const std:：uint8多字节数据掩码=0x3F；
constexpr const std:：uint8多字节位=6；
constexpr const多字节信息多字节信息[]={
//跳过1字节信息
{0xE0，0xC0，0x1F}，
{0xF0，0xE0，0x0F}，
{0xF8，0xF0，0x07}；
constexpr const无符号最大长度=
（sizeof（多字节信息）/sizeof（多字节信息））；
constexpr const std:：uint32_t超长[]={0x80、0x800、0x10000}；
constexpr const std:：uint32\u t max\u code\u point=0x10FFFF；
}
枚举类提取：std:：uint8{success，failure}；
结构提取尝试{
标准：uint32代码点；
std：：uint8字节处理；
提取状态；
};
模板
constexpr提取尝试下一个代码点（迭代器位置，
常量迭代器（结束）{
静态断言(
std：：是相同的{}，
“错误的迭代器类型”）；
提取\尝试结果{0,0，提取：：失败}；
如果（结束位置）{
result.code_point=std:：uint8_t（*位置）；
++位置；
++result.bytes_处理；
如果（0x7F<结果代码\u点）{
无符号预期_长度=1；
用于（常量自动信息：多字节信息）{
if（（result.code\u point&info.id\u mask）==info.id\u matcher）{
result.code\u point&=info.data\u mask；
打破
}
++预期长度；
}
if（最大长度<预期长度| | |（末端位置）<预期长度）{
返回结果；
}
for（无符号字节=0；字节<预期长度；++字节）{
常量std:：uint8\u t下一个字节=*（位置+字节）；
if（（下一个字节和多字节id掩码）！=多字节id匹配器）{
返回结果；
}
对于我的用例（将\x123样式转义放入字符串中），我也在想同样的事情，我的简单解决方法是将字符串>127的所有字节和ASCII控制字符视为需要转义。iPrint可以使用32位的宽字符，但不能保证a“字符”是单个代码点。您是否正在寻找仅使用Boost的解决方案？是否可以使用其他类似ICU的库？通常情况下，我会这样做确定unicode码点是否可打印并不是一个简单的规则。“可打印”的含义取决于上下文。例如，是否允许多个码点使用一个标志符号。可能，一种标准的方法是使用。起初，grance似乎提供了一种过滤零宽度标志符号的方法，但我不确定。