如何在 C++ 中获取 Windows-1252 个字符值？

Question

我有一个奇怪的输入文件，其中包含各种控制字符，例如空值。我想从此 Windows-1252 编码的文本文件中删除所有控制字符，但是如果您这样做：

std::string test="tést";
for (int i=0;i<test.length();i++)
{
     if (test[i]<32) test[i]=32; // change all control characters into spaces
}

它也会把 é 变成 space。

所以如果你有这样一个字符串，编码为 Windows-1252:

std::string test="tést";

十六进制值为：

t  é  s  t
74 E9 73 74

test[0] 等于十进制 116 (=0x74)，但显然对于 é/0xE9，test[1] 不等于十进制值 233。

那么如何正确识别 é 呢？

Answer 1

改变

if (test[i]<32)

至

if (test[i] >= 0 && test[i] < 32)

字符通常是有符号类型，0xE9 是八位整数中的负值。

Answer 2

32 是一个有符号整数，比较 char 和有符号整数是由编译器按有符号执行的：E9 (-23)<32 其中 return 为真。

使用 32 的无符号文字，即 32u 对无符号值进行比较：E9 (233) < 32 其中 return 为假。

替换：

if (test[i]<32) test[i]=32;

作者：

if (test[i]<32u) test[i]=32u;

你应该会得到预期的结果。

注意：您可以检查 char 是否使用以下代码签名：

#include <limits>
...
std::cout << std::numeric_limits<char>::is_signed << std::endl;

How to get Windows-1252 character values in c++?