Erlang、io_lib和unicode

Question

我很难让erlang给我一个unicode字符串。

以下是有效的方法：

io:format("~ts~n", [<<226,132,162>>]).

™

ok

但是，我不想打印到控制台，而是想将它赋给一个变量。所以我想：

T = lists:flatten(io_lib:format("~ts~n", [<<226,132,162>>])).

T.

[8482,10]

如何让io_lib示例中的T包含™符号，以便将其写入网络流？

Answer 1

您是否可以重写通过网络发送的代码，以便首先接受二进制文件，并在通过套接字发送时使用格式化的写入机制~ts，而不是将扁平化的版本分配给变量以便在网络上发送？

这还可以避免内置IO机制不需要的lists:flatten。

Answer 2

它确实包含商标符号:正如您看到的here，8482是它的代码。它不会在shell中打印为™，因为shell只打印包含可打印的拉丁文字符代码的列表。因此，[8482, 10]是一个Unicode字符串(采用UTF32编码)。如果要将其转换为不同的编码，请使用unicode模块。

Answer 3

第一件事是知道你需要做什么。然后你就可以用你找到的最好的方式修改你的代码了。

Erlang将unicode字符串表示为代码点列表。Unicode代码点是整数，而不是字节。你只能通过网络发送字节，像unicode字符串这样的东西，需要由发送方以字节序列进行编码，并由接收方进行解码。UTF-8是unicode字符串最常用的编码，这就是您的二进制代码，即由代码点8482组成的unicode字符串的UTF-8编码。

从io_lib:format调用中得到的是该代码点的erlang字符串表示，外加新行字符。

通过网络发送unicode字符串的一种非常合理的方法是用UTF-8对它们进行编码。不过，不要使用io_lib:format来实现这一点。unicode:characters_to_binary/1是用于转换UTF8编码的二进制文件中的unicode字符串的函数。

在接收端(在整个应用程序中可能更好)，您必须决定如何处理编码的二进制文件(或列表)或纯unicode列表中的字符串。但是在网络上，唯一的选择是使用二进制文件(或iolist，可能是很深的字节列表)，我敢打赌，您的应用程序最合理的编码将是UTF-8。