将 unicode 代码点转换为 utf-16

Question

在 Windows 上的 C++ 中，如何将 &#xhhhh; 形式的 xml 字符引用转换为 utf-16 小端字符串？

我在想，如果 hhhh 部分不超过 4 个字符，那么它就是 2 个字节，适合一个 utf-16 字符。但是，这个 wiki page has a table of character references 和靠近底部的一些是 5 位十六进制数字，两个字节都放不下。如何将它们转换为 utf-16？

我想知道 MultiByteToWideChar 函数是否能够完成这项工作。

我对大于 2 个字节的代码点如何转换为 utf-16 的理解不足！（或者就此而言，我不太确定大于 1 字节的代码点如何转换为 utf-8，但这是另一个问题）。

谢谢。

Answer 1

Unicode 代码点 (UTF-32) 有 4 个字节宽，可以使用以下代码（我碰巧有）将其转换为 UTF-16 字符（和可能的代理项）。

它没有经过严格测试，因此非常感谢接受错误报告：

/**
 * Converts U-32 code point to UTF-16 (and optional surrogate)
 * @param utf32 - UTF-32 code point
 * @param utf16 - returned UTF-16 character
 * @return - The number code units in the UTF-16 char (1 or 2).
 */
unsigned utf32_to_utf16(char32_t utf32, std::array<char16_t, 2>& utf16)
{
    if(utf32 < 0xD800 || (utf32 > 0xDFFF && utf32 < 0x10000))
    {
        utf16[0] = char16_t(utf32);
        utf16[1] = 0;
        return 1;
    }

    utf32 -= 0x010000;

    utf16[0] = char16_t(((0b1111'1111'1100'0000'0000 & utf32) >> 10) + 0xD800);
    utf16[1] = char16_t(((0b0000'0000'0011'1111'1111 & utf32) >> 00) + 0xDC00);

    return 2;
}

将 unicode 代码点转换为 utf-16

Convert unicode codepoint to utf-16

c++

windows

unicode

unicode-escapes