C++ 如何正确初始化宽字符串？

我试图找出c中的宽字符。例如，我测试了一个字符串，该字符串包含一个在utf8中编码为c492的字母“Ē”

char* T1 = "Ē";
//This is the resulting array { 0xc4, 0x92, 0x00 }

wchar_t* T2 = L"Ē";
//This is the resulting array { 0x00c4, 0x2019, 0x0000 }

---

我希望第二个数组是{0xc492，0x0000}，相反，它包含一个额外的字符，在我看来这只是浪费了空间。有人能帮我理解这是怎么回事吗？

你在这里所做的就是莫吉贝克。您的源代码是用UTF-8编写的，但它是在Windows代码页1252中解释的（即编译器源字符集是CP1252）

宽字符串内容是转换为UCS-2的UTF-8字节0xC4 0x92的Windows代码页1252字符。最简单的解决方法是使用转义：

wchar_t* T2 = L"\x112";

或

---

---

<> >更大的问题是，我所知的C和C++都没有一种机制来指定代码本身中的源字符集，所以它总是一个可以轻松复制粘贴的东西的设置或选项。

< p>编译器错误地解释了作为WOLTF-1252的源代码文件（保存为UTF-8）。（通常称为ANSI）。它不会将字节序列

C492

解释为一个字符的UTF-8字符串“Ē”，而是解释为两个字符的Windows-1252字符串

“Ä”

。

“Ä”

的unicode码点是U+00C4，unicode码点是

“。”

为U+2019。这正是您在宽字符串中看到的内容

8位字符串只起作用，因为对字符串的错误解释无关紧要，因为它在编译过程中不会转换。编译器将字符串读取为Windows-1252，并将字符串发出为Windows-1252（因此它不需要转换任何内容，并将两者都视为“Ä”）您将二进制代码中的源代码和数据解释为UTF-8，因此您认为两者都是<代码>“<”/>代码>

要让编译器将源代码视为UTF-8，请使用开关

---

顺便说一句：在宽字符串中观察到的正确UTF-16编码（MSVC用于宽字符串的编码）不是

{0xc492，0x0000}

，而是

{0x0112，0x0000}

，因为

“Ē

是

U+0112

哪个编码用于保存源文件？如果有的话，我希望第二个数组是{0x0112，0x0000}，这是utf-16或utf-32编码。我不知道是什么编码{0x00c4，0x2019，0x0000}应该在中。字符0xC492看起来也是这样，请注意字符串文字是

const

字符的数组。您的代码正在使用从字符串文字到指向字符指针的不推荐的转换。这仅用于与C向后兼容的原因，并在C++11中删除。不要这样做。st环文字不能修改。让你的指针指向“代码> const 字符……而且，这甚至会编译的事实表明你必须使用一个古老的编译器。你可能想考虑升级…更简单的方法是将文件保存为带有BOM的UTF-8，而不是用十六进制转义来保存。”N.M.最简单的方法是：o确保代码在任何地方都不起作用…请找到一个默认情况下不起作用的实现。@AnttiHaapala除了在MSVC中之外，其他地方都不起作用。MSVC通过BOM的存在来检测UTF-8编码的源文件是有文档记录的行为。但您仍然认为这不符合UTF-8标准（不允许忽略文件开头的U+FEFF字符（BOM）以及ANSI C（将文件开头的U+FEFF定义为语法错误）@n.m.好的，那么你是不正确的。BOM被Clang和GCC忽略，而不是被TCC忽略，因为它会导致语法错误。也就是说，只有MSVC会产生任何影响。GCC和Clang使用UTF-8作为源字符集，除非区域设置另有提示，在这种情况下，他们会忽略BOM。

wchar_t* T2 = L"\u0112";