clang:将常量char16_t* (UTF-16)转换为wstring (UCS-4)

Question

我正在尝试将UTF-16编码的字符串转换为UCS-4

如果我理解正确的话，C++11是通过codecvt_utf16提供这种转换的。

我的代码类似于：

#include <iostream>
#include <locale>
#include <memory>
#include <codecvt>
#include <string>

using namespace std;

int main()
{
    u16string s;

    s.push_back('h');
    s.push_back('e');
    s.push_back('l');
    s.push_back('l');
    s.push_back('o');

    wstring_convert<codecvt_utf16<wchar_t>, wchar_t> conv;
    wstring ws = conv.from_bytes(reinterpret_cast<const char*> (s.c_str()));

    wcout << ws << endl;

    return 0;
}

注意:这个显式的push_backs解决了我的clang版本(Xcode4.2)没有unicode字符串文字的问题。

当代码运行时，我得到了终止异常。我在这里做了什么违法的事吗？我认为它应该可以工作，因为我传递给wstring_convert的const char*是UTF-16编码的，对吧？我也考虑过字节序的问题，但我检查过它不是这样的。

Answer 1

两个错误：

1)接受单个const char*的from_bytes()重载需要一个以null结尾的字节字符串，但您的第二个字节是'\0‘。

2)您的系统可能是小端的，因此您需要从UTF-16LE转换为UCS-4：

#include <iostream>
#include <locale>
#include <memory>
#include <codecvt>
#include <string>

using namespace std;

int main()
{
    u16string s;

    s.push_back('h');
    s.push_back('e');
    s.push_back('l');
    s.push_back('l');
    s.push_back('o');

    wstring_convert<codecvt_utf16<wchar_t, 0x10ffff, little_endian>,
                     wchar_t> conv;
    wstring ws = conv.from_bytes(
                     reinterpret_cast<const char*> (&s[0]),
                     reinterpret_cast<const char*> (&s[0] + s.size()));

    wcout << ws << endl;

    return 0;
}

测试了Windows上的Visual Studio2010 SP1和Linux上的CLang++/libc++-svn。