C++ 如何编写UTF-8安全的代码？
我们有一套为ASCII字符集开发的应用程序。现在，我们正试图在冰岛安装它，但遇到了一些问题，冰岛人的角色被搞砸了C++ 如何编写UTF-8安全的代码？,c++,unicode,utf-8,globalization,C++,Unicode,Utf 8,Globalization,我们有一套为ASCII字符集开发的应用程序。现在，我们正试图在冰岛安装它，但遇到了一些问题，冰岛人的角色被搞砸了 我们正在研究我们的问题，但我想知道：在那里有一个好的“指南”来编写C++代码，它是为8位字符设计的，当UTF-8数据被赋予时它会正常工作？ 我不能期望每个人都阅读整个Unicode标准，但是如果有更容易理解的内容，我想与团队分享，这样我们就不会再次遇到这些问题 此时，重新编写所有应用程序以使用wchar\u t或其他字符串表示法是不可行的。我还将注意到，这些应用程序通过网络与使用8位
我们正在研究我们的问题，但我想知道：在那里有一个好的“指南”来编写C++代码，它是为8位字符设计的，当UTF-8数据被赋予时它会正常工作？ 我不能期望每个人都阅读整个Unicode标准，但是如果有更容易理解的内容，我想与团队分享，这样我们就不会再次遇到这些问题
此时，重新编写所有应用程序以使用wchar\u t或其他字符串表示法是不可行的。我还将注意到，这些应用程序通过网络与使用8位字符的服务器和设备进行通信，因此即使我们在内部使用Unicode，在边界处的翻译仍然会有问题。在大多数情况下，这些应用程序只是传递数据；除了从一个地方复制到另一个地方，他们不会以任何方式“处理”文本 使用的操作系统是Windows和Linux。我们使用std:：string和普通的旧C字符串。（不要让我为任何设计决策辩护。我只是想帮你解决这个烂摊子。）
以下是建议内容的列表：
还可以使用支持Unicode的字符串函数（请参阅文档）。如果有东西操纵宽字符或字符串，它通常知道它们是宽的。这看起来像是一个全面的快速指南：
请注意，完整的unicode不适合16位字符；所以要么使用32位字符，要么使用可变宽度编码（UTF-8是最流行的）。冰岛语使用ISO拉丁语1，所以8位就足够了。我们需要更多的细节来了解发生了什么。UTF-8的设计正是为了解决您的问题。我需要注意的一点是，ASCII实际上是一种7位编码，因此，如果您的基础设施的任何部分将第8位用于其他目的，这可能会很棘手。在大多数情况下，只需保持8位干净即可。但是，您必须知道，任何非ASCII字符都会跨多个字节拆分，因此，如果要显示的文本是换行或截断文本，则必须考虑到这一点 UTF-8的优点是，您始终可以知道自己在多字节字符中的位置：如果设置了位7，位6重置（字节为0x80-0xBF），则这是一个尾随字节，而如果设置了位7和6，位5重置（0xC0-0xDF），则这是一个有一个尾随字节的前导字节；如果设置了7、6和5，并重置了4（0xE0-0xEF），则它是一个带两个尾随字节的前导字节，依此类推。在最高有效位设置的连续位数是组成字符的字节总数。即: 110x xxxx=两字节字符
1110 xxxx=三字节字符
1111 0xxx=四字节字符
等 冰岛字母表全部包含在ISO 8859-1和Windows-1252中。如果这是一个控制台模式的应用程序，请注意控制台使用IBM代码页，因此（取决于系统语言环境）它可能会显示在437、850或437中。Windows不支持UTF-8的本机显示；您必须转换为UTF-16并使用Unicode API
如果是控制台模式应用程序，则调用SetConsoleCP和SetConsoleOutputCP（指定代码页1252）将有助于解决您的问题。不幸的是，选择的控制台字体必须是支持代码页的字体，我看不到设置字体的方法。标准位图字体仅支持系统默认OEM代码页。您可能需要签出。它们可能具有使使用UTF-8字符串更容易的功能。冰岛语，如法语、德语和西欧的大多数其他语言，可以使用8位字符集（Windows上的CP1252，ISO 8859-1又名Latin1，x上的ISO 8859-1）来支持。这是Unicode发明之前的标准方法，现在仍然很普遍。正如你所说，你有一个限制，你不能重写你的应用程序使用wchar，你不需要 UTF-8造成问题，你不应该感到惊讶；UTF-8将非ASCII字符（例如重音拉丁字符、thorn、eth等）编码为每个字符两个字节 唯一可以给出的一般建议非常简单（理论上）： （1） 决定系统中要支持的字符集（Unicode、Latin1、CP1252等） （2） 如果向您提供的数据以其他方式编码（如UTF-8），则在系统边界处将其转换为您的标准（如CP1252）
（3） 如果您需要提供以其他方式编码的数据，重新编写所有应用程序以使用不同的字符表示是不可行的。您能否向我们确认您的应用程序的操作系统？你在为Windows编程吗？您是否大量使用std:：string或更低级的C标题？如果您喜欢答案，请向上投票-没有理由吝啬。只有30分钟，而且您已经要求增加代表次数了？：）不苛求——毕竟我说了“请”；>）现在我要说谢谢。是的，这就是为什么我们对UTF-8导致的问题感到惊讶。我们没有对第八位做任何特殊的处理，但似乎我们在一些地方做了一些事情，导致文本以某种方式被误解或修改。请注意，ASCII是每个字符1字节。UTF-8是每个字符的多字节（当不是ASCII时，所以Iclandic计数）。因此，任何假定每个字符有1个字节的方法都不起作用。e、 我没有要求任何人帮我找出问题所在。我正在寻找处理UTF-8的一般指南和“最佳实践”。UTF-8使用3个字节来表示汉字