QString - UTF8嵌入16位？

Question

我很惊讶。我开始研究QString::data()，同时试图帮助这里的另一个提问者解决QString与ASCII相关的问题。

我做了下面的代码，查看每16位包的QString数据，发现像‘a’和‘这样的字母似乎被编码在UTF-8中，但是使用16位来存储8位。当然，他们可以为所欲为，但医生说，QString将在UTF-16。但在我看来不一样。

校正:QT4.8的QString文档没有真正提到UTF-16。但它也没有说明UTF-8与16位一起使用。

拜托，有人能指点我吗？

我的代码：

QString h("AßB");

char * pt = (char*)h.data();

for(int i = 0; ;i+=2) {

   // get 16bit value
   u_int16_t s = *(u_int16_t*)(pt + i);

   // break condition
   if(s == 0) break;

   qDebug() << i << s << QChar(s) << h.size();
}

qDebug()告诉我的是：

0 65 'A' 4 
2 195 'Ã' 4 
4 159 '' 4 
6 66 'B' 4 

请注意，在编码的两个部分仍然使用16位时，‘ENT-8’似乎是编码的。

195 159是编码‘UTF’的UTF-8。

我的char地图告诉我，UTF-16的表示应该是0x00DF表示‘。这就是我希望得到的。

还请注意，QString::size()报告的大小有问题的是4而不是3。

Answer 1

QString数据以Unicode的形式在内部存储。来自qt文档：

QString str = "Hello";

"QString使用fromUtf8()函数将const *数据转换为Unicode。“

下面是链接：QString类

奇怪的是，我没有看到任何toUTF16()方法；尽管它确实有一个toUTF8方法。

此外，UTF-16不是Unicode：

“Unicode标准对范围U+0000..U+10FFFF中的字符进行编码，这相当于一个21位的代码空间。根据您选择的编码形式(UTF-8、UTF-16或UTF-32)，每个字符将被表示为一到四个8位字节、一个或两个16位代码单元的序列，或者是一个32位代码单元。”

来自：常见问题- UTF-8，UTF-16，UTF-32 & BOM

编辑：

我知道MSVC曾经用于编译Unicode和非Unicode构建。来自M$：

"Unicode UTF-16编码

将Unicode字符表示为16位整数的序列.您的应用程序可以使用UnicodeEncoding类将字符转换为UTF-16编码。

经常本机使用UTF-16，例如在Microsoft.Net char类型、Windows类型和其他常见类型中。大多数常见的Unicode代码点只需要一个UTF-16代码点(2个字节)。Unicode补充字符U+10000及更高版本仍然需要两个UTF-16代码点.“

在.NET框架3.5 -使用Unicode编码上发现的。

因此，M$经常在内部使用UTF-16。Unicode是21位长的符号列表，有多种UTF格式对它们进行编码。

这对Ubuntu有什么影响？M$在UTF-16内部编码，并称它们为Unicode。

显然发现了代码中的问题:编译器使用源文件的编码来生成字符串文本。奇怪的是，它使用了16位的编码，并得到了UTF-8的值，从而产生了错误的字符序列！我在想，如果你把QString打印出来，它是否会以"A“的形式出现。这可能是它被转换回相同的UTF-8之前，你从来没有看到它，尽管编译器显然不理解它。Frank和您已经能够证明，在Ubuntu上，Qt使用了UTF-16。似乎在没有编码(即21位)的情况下，几乎看不到计算机数据中的Unicode字符。"Unicode“构建显然是UTF-16构建。