Unicode 如何在C++；？

我有一些关于Unicode的问题，在

const char*

中打印转义的十六进制值

据我所知，utf-8包括2、3或4字节字符，范围从英镑符号到汉字字符。在字符串中，这些字符串以十六进制值表示，使用\u作为转义序列。我还了解到，在字符串中使用十六进制转义时，可以包含在转义中的值的字符将被包括在内。例如，“abc\x0f0dab”将把0f0dab作为十六进制包含在\x中，即使您只希望考虑0f0d

---

现在，在编写Unicode字符串时，假设您想编写“abc我想您可能不熟悉编码的概念，因为您阅读了您的文章

例如，你说“unicode of…”。。。₤是0x00A3”。这是真的-unicode代码点U+00A3是磅符号。但0x00A3不是表示磅符号的方式，例如，UTF-8（unicode的一种特殊常见编码）。拿a来看看我的意思。正如您所看到的，U+00A3的UTF-8编码是两个字节，即

0xc2

，

0xa3

（按该顺序）

在调用

printf（）

和屏幕上出现某些内容之间会发生一些事情

首先，您的程序运行代码

printf（“abc\x0fdef”）

，这意味着以下字节按顺序写入程序的标准输出：

0x61, 0x62, 0x63, 0x0f, 0x64, 0x65, 0x66

注意：我假设您的源代码是ASCII（或UTF-8），这是非常常见的。我相信，从技术上讲，源代码字符集的解释是由实现定义的

现在，为了查看输出，您通常会在某种shell中运行此程序，它最终必须将这些字节转换为可视字符。它通过使用编码来实现这一点。同样，ASCII兼容是常见的，例如UTF-8。在Windows上，CP1252是常见的

如果是这种情况，您将得到以下映射：

0x61 - a
0x62 - b 
0x63 - c
0x0f - the 'shift in' ASCII control code
0x64 - d
0x65 - e
0x66 - f

这将打印为“abcdef”，因为“移入”控制代码是非打印字符

注意：上面的内容可能会根据所涉及的确切字符集而变化，但ASCII或UTF-8很可能是您正在处理的内容，除非您有一个特殊的设置

如果您有与UTF-8兼容的终端，以下内容应打印出“abc₤def”，作为开始使用的示例：

printf("abc\xc2\xa3def");

有道理吗

---

更新：回答您评论中的问题：您需要区分代码点和该代码点编码的字节值

Unicode标准定义了“码点”，它是字符的数值。这些码点通常写为U+XYZ，其中XYZ是十六进制值。 例如，字符U+219e为。 这也可能写为0x219e。您可以从上下文中知道编写器正在谈论一个代码点

当您需要对该代码点进行编码时（打印或保存到文件等），您使用的是一种编码，例如UTF-8。注意，如果您使用这种编码，则每个代码点都与编码值完全对应。因此，在UTF-32中，代码点U+219e实际上将被简单地编码为0x219e。但其他编码方式会有所不同。UTF-8将U+219e编码为三个字节

0xE2 0x86 0x9E

---

最后，

\x

表示法就是如何在C/C++带引号的字符串中写入任意字节值。如果我在C源代码中写入

“\xff”

，那么内存中的字符串将是两个字节

0xff 0x00

（因为它会自动获得一个空终止符）。

。。。它将打印abcdef。“您的C编译器没有遵循规范。”unicode的。。。₤为0x00A3“₤不是一个

磅符号

它是

里拉符号

U+20A4

哇，太棒了！！！你说得对。我可能应该启用utf-8编码。请你试着回答我的第二个问题。“\x”和“0x”与“U+”有什么区别？@vishwasmanjunah:我在我的答案末尾补充了一些信息，希望能澄清这一点。太好了，我至少了解了很多。没有多少ppl对编码很了解。总而言之：U+XYZ只是一个定义为表示unicode的值，但当将其存储在内存中时，每个编码都有不同的方式，UTF-8将其存储为0xA 0xB 0xC，假设a、B和C等于一个字节\x用于按原样将值（十六进制值）写入内存，以便编译器不会将其误认为是字符，并将其转换为ascii。\x 0x可以是U+并且可以互换吗？unicode U+219e的含义可以表示为0x219e和\x219e，而在字符串中使用0xE2 0x86 0x9E可以写为\xE2\x86\x9E。（我确信你不能写为U+E2 U+86 U+9E）@vishwasmanjunah：一般来说，选择\x、0x或U+取决于上下文。它们并不总是可以互换的。在C字符串中，只有

\x

有意义（也有

\u

，但那是另一回事）。在字符串之外，但仍在C源代码中，

0x

具有含义。就以对话的方式谈论unicode，我见过使用

U+

和

0x

编写的代码点，但几乎从未使用

\x

。