C++ 中的基本字符串与 Unicode 字符串使用方法

admin · 发表于 2023-12-11 16:22:40

本文将探讨在现代 C++ 中如何处理基本字符串和 Unicode 字符串。我们将对比传统的 std::string 与新引入的 std::u16string 和 std::u32string，并通过实例展示其用法。
一、基本字符串：std::string

在 C++ 中，最常用的字符串类型是 std::string。这是一个非常灵活且高效的类，用于处理基本的 ASCII 字符串。

#include <iostream>
#include <string>
int main() {
std::string str = "Hello, World!";
std::cout << str << std::endl; // 输出 "Hello, World!"
return 0;
}

复制代码

1.字符访问与修改

你可以像访问数组一样访问 std::string 中的字符：

char& ch = str[0]; // 获取第一个字符的引用
ch = 'h'; // 修改第一个字符为小写 'h'
std::cout << str << std::endl; // 输出 "hello, World!"

复制代码

2.字符串连接

字符串连接在 C++ 中非常直观：

char& ch = str[0]; // 获取第一个字符的引用
ch = 'h'; // 修改第一个字符为小写 'h'
std::cout << str << std::endl; // 输出 "hello, World!"

复制代码

二、Unicode 字符串：std::u16string 和 std::u32string

处理包含非 ASCII 字符的字符串时，需要使用 Unicode。C++11 引入了 std::u16string 和 std::u32string 分别表示 UTF-16 和 UTF-32 编码的字符串。

1.UTF-16 示例：std::u16string

UTF-16 是一个变长编码，每个字符占用 2 或 4 个字节。在 C++ 中使用 std::u16string：

#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
int main() {
std::wstring_convert<std::codecvt_utf8_utf16<char16_t>, char16_t> converter;
std::u16string utf16Str = converter.from_bytes("你好，世界！"); // 将 UTF-8 转换为 UTF-16
std::cout << converter.to_bytes(utf16Str) << std::endl; // 输出 "你好，世界！"
return 0;
}

复制代码

2.UTF-32 示例：std::u32string

UTF-32 是一个固定长度的编码，每个字符占用 4 个字节。在 C++ 中使用 std::u32string：

#include <iostream>
#include <string>
#include <locale>
#include <codecvt>
int main() {
std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t> converter;
std::u32string utf32Str = converter.from_bytes("你好，世界！"); // 将 UTF-8 转换为 UTF-32
std::cout << converter.to_bytes(utf32Str) << std::endl; // 输出 "你好，世界！"
return 0;
}

复制代码

注意：从 C++17 开始，`<codecvt>` 头文件已被标记为废弃，并在后续标准中被移除。在实际开发中，建议使用第三方库（如 ICU）进行字符集转换。`

三、字符串处理函数与算法

C++ 标准库提供了大量用于操作和处理字符串的函数和算法，如 `std::strlen`、`std::strcpy`、`std::strcat` 等。这些函数通常与 C 风格字符串（以 null 结尾的字符数组）一起使用。然而，当处理 Unicode 字符串时，使用这些函数可能会导致问题，因为它们通常不理解多字节字符编码。在这种情况下，建议使用 C++ 标准库中的算法，如 `std::copy`、`std::find` 等，它们与 `std::string`、`std::u16string` 和 `std::u32string` 兼容。

四、总结与建议

本文探讨了在现代 C++ 中使用基本字符串和 Unicode 字符串的方法。对于 ASCII 字符串，`std::string` 是一个高效且易于使用的类。当需要处理包含非 ASCII 字符的字符串时，可以选择 UTF-8、UTF-16 或 UTF-32 编码，并使用相应的 `std::string`、`std::u16string` 或 `std::u32string` 类。注意避免使用已废弃的 `<codecvt>` 头文件，考虑使用第三方库如 ICU 进行字符集转换。在处理 Unicode 字符串时，尽量使用 C++ 标准库中的算法，而不是针对 C 风格字符串的函数。