如何使用ICU与UTF-16？

Question

我正在研究如何在本机Node.js模块中使用ICU处理Unicode字符串，因为在我看来，v8::String (根据这些医生)似乎没有用于此目的的C++ API。

据我所知，V8希望在ExternalStringResource和其他API中使用UTF-16，所以我想使用ICU进行UTF-16的处理。

我特别需要：

• 迭代UTF-16字符串的字符(不仅仅是16位代码单元)。
• 告诉UTF-16字符串包含的字符数(不仅仅是16位代码单元)。

因此，我查看了ICU文档，并找到了UnicodeString和CharacterIterator类。但是，UnicodeString没有fromUTF16方法，只有fromUTF8和fromUTF32。

另一件我不确定的事情是，UnicodeString构造函数是否复制了我给它的数据？非常希望使用零拷贝方法，在这种方法中，我只使用不变的对象，这样它就不应该执行任何复制操作，只需使用我指向的缓冲区即可。

我也不确定是否可以只使用UCharIterator (假设我可以从UTF-16字符串中以某种方式转换UChar* )。

因此，我的问题是：如何使用ICU实现上述目的？

提前感谢您的回答！

Answer 1

默认情况下，UnicodeString使用UTF-16作为存储。这就是为什么它只有fromUTF8和fromUTF32：从UTF-16没有转换。

它确实复制了数据。它是一个拥有字符串，很像std::string。

如果不想复制数据，可以使用UCharIterator。是16位值。。通过定义UCHAR_TYPE宏，您可以强制它成为您喜欢使用的任何16位类型：

将UChar定义为UCHAR_TYPE，如果定义为#(例如，定义为char16_t)，如果定义为16位，则定义为wchar_t；始终假定为无符号。 如果两者都不可用，则将UChar定义为uint16_t。 这使得UChar的定义依赖于平台，但允许直接字符串类型与具有16位wchar_t类型的平台兼容。