Objective c Unihan：组合UTF-8字符
我在Objective-C应用程序中使用的数据涉及中文Unihan字符。我正在使用一个语音识别程序（cmusphinx），它从我的数据中返回一个短语。它返回UTF-8字符，当返回一个汉字（三个字节）时，它将其分成三个单独的字符。 当我想的时候人 对，我明白了：‰∫∫. 这是正确的编码方式（E4-BA-BA），但我的代码将返回值视为三个独立的字符，而不是一个 实际上，我的函数是以NSString的形式接收短语（由于环绕），它使用UTF-16。我尝试使用Objective-C的内置转换方法（到UTF-8和从UTF-16），但这些方法将我的字符串保留为三个字符 如何将这三个单独的字符解码为汉字的一个utf-8码点 或者我如何正确地编码它？ 这是处理从sphinx返回的cstring及其编码为NSString的代码片段：Objective c Unihan：组合UTF-8字符,objective-c,unicode,utf-8,Objective C,Unicode,Utf 8,我在Objective-C应用程序中使用的数据涉及中文Unihan字符。我正在使用一个语音识别程序（cmusphinx），它从我的数据中返回一个短语。它返回UTF-8字符，当返回一个汉字（三个字节）时，它将其分成三个单独的字符。 当我想的时候人 对，我明白了：‰∫∫. 这是正确的编码方式（E4-BA-BA），但我的代码将返回值视为三个独立的字符，而不是一个 实际上，我的函数是以NSString的形式接收短语（由于环绕），它使用UTF-16。我尝试使用Objective-C的内置转换方法（到UTF
const char * hypothesis = ps_get_hyp(pocketSphinxDecoder, &recognitionScore, &utteranceID);
NSString *hypothesisString = [[NSString alloc] initWithCString:hypothesis encoding:NSMacOSRomanEncoding];
编辑：通过查看添加到帖子中的内容，您实际上可以控制字符串编码。在这种情况下，当您需要utf-8时，为什么要使用
NSMacOSRomanEncodingNSUTF8StringEncoding听起来您的意思是，您得到了一个NSString，其中包含被解释为单字节编码的UTF-8数据（例如ISO-Latin-1、MacRoman等）。我在这里假设您无法控制创建NSString的代码，因为如果您控制了，那么解决方案就是更改初始化时使用的编码 在任何情况下，您需要的是一种获取字符串中的数据并将其转换回UTF-8的方法。您可以通过使用最初创建NSString时使用的任何编码从NSString创建NSData（至少您需要了解这一点，否则它将不起作用），然后您可以使用UTF-8从相同的数据创建新的NSString 从您给出的示例角色(人) 看起来它被解释为MacRoman，所以让我们继续吧。以下代码应将其转换回：
- (NSString *)fixEncodingOfString:(NSString *)input {
CFStringEncoding cfEncoding = kCFStringEncodingMacRoman;
NSStringEncoding encoding = CFStringCovnertEncodingToNSStringEncoding(cfEncoding);
NSData *data = [input dataUsingEncoding:encoding];
if (!data) {
// the string wasn't actually in MacRoman
return nil;
}
NSString *output = [[[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding] autorelease];
}
你确定你不是说你有3个字节组成一个UTF-8字符序列，你想把它们解码成一个unicode码点吗？你在用什么语言？请给我们看一些代码。对不起，我会澄清一下。我不太了解这个词汇表，所以这很有帮助。我不太了解Objective-C，但在大多数有
字节字符bytecharNSString