C++ 参考手册

定义于头文件 <cuchar>
std::size_t mbrtoc32( char32_t* pc32,

                      const char* s,
                      std::size_t n,

                      std::mbstate_t* ps );
(C++11 起)

从窄多字符编码转换编码点到其 UTF-32 字符表示。

s 不是空指针,则审查以 s 所指向的字节开始的多字节字符串的至多 n 个字节,以确定完成下个多字节字符所需的字节数(包含任何迁移序列)。若函数确定 s 中下个多字节字符完整且合法,则将它转换成对应的 32 位宽字符并存储于 *pc32 (若 pc32 非空)。

*s 中下个多字节字符对应多 char32_t 序列(对于 UTF-32 不可能),则在首次调用此函数后更新 *ps ,以满足下次到 mbrtoc32 的调用将写出附加的 char32_t ,而不考虑 *s

s 是空指针,则忽略 npc32 的值,而调用等价于 std::mbrtoc32(NULL, "", 1, ps)

若产生的宽字符是空字符,则转换状态 *ps 表示初始迁移状态。

此函数所用的多字节编码为当前活跃的 C 本地环境所指定。

参数

pc32 - 指向将写入产生的 32 位宽字符的位置的指针
s - 指向用作输入的多字节字符串的指针
n - s 中能检验的字节数上的限制
ps - 指向转译多字节字符串时所用的转换状态对象的指针

返回值

下列首个应用者:

  • 若从 s 转换的字符为空字符(并存储于 *pc32 中,若它非空)则为 0
  • 成功从 s 转换的多字节字符的字节数 [1...n]
  • 若现已将来自多 char32_t 字符的下个 char32_t 写入 *pc32 ,则为 -3 。此情况下不从输入处理字节。
  • 若接下来 n 个字节组成不完整,但到此仍合法的多字节字符则为 -2 。不写入内容到 *pc32
  • 若出现编码错误则为 -1 。不写入内容到 *pc32 ,存储 EILSEQerrno*ps 的值未指定。

示例

#include <iostream>
#include <iomanip>
#include <clocale>
#include <cstring>
#include <cwchar>
#include <cuchar>
#include <cassert>
 
int main()
{
    std::setlocale(LC_ALL, "en_US.utf8");
 
    std::string str = u8"z\u00df\u6c34\U0001F34C"; // 或 u8"zß水????"
 
    std::cout << "Processing " << str.size() << " bytes: [ " << std::showbase;
    for(unsigned char c: str) std::cout << std::hex << +c << ' ';
    std::cout << "]\n";
 
    std::mbstate_t state{}; // 零初始化为初始状态
    char32_t c32;
    const char *ptr = str.c_str(), *end = str.c_str() + str.size() + 1;
 
    while(std::size_t rc = std::mbrtoc32(&c32, ptr, end - ptr, &state))
    {   
        std::cout << "Next UTF-32 char: " << std::hex << c32 << " obtained from ";
        assert(rc != (std::size_t)-3); // no surrogates in UTF-32
        if(rc <= ((std::size_t)-1) / 2) {
            std::cout << std::dec << rc << " bytes [ ";
            for(std::size_t n = 0; n < rc; ++n)
                std::cout << std::hex << +(unsigned char)ptr[n] << ' ';
            std::cout << "]\n";
            ptr += rc;
        } else break;
    }
}

输出:

Processing 10 bytes: [ 0x7a 0xc3 0x9f 0xe6 0xb0 0xb4 0xf0 0x9f 0x8d 0x8c ]
Next UTF-32 char: 0x7a obtained from 1 bytes [ 0x7a ]
Next UTF-32 char: 0xdf obtained from 2 bytes [ 0xc3 0x9f ]
Next UTF-32 char: 0x6c34 obtained from 3 bytes [ 0xe6 0xb0 0xb4 ]
Next UTF-32 char: 0x1f34c obtained from 4 bytes [ 0xf0 0x9f 0x8d 0x8c ]

参阅

(C++11)
转换 32 位宽字符为窄多字节字符串
(函数)
[虚]
从 externT 转换字符串为 internT ,如在从文件读取时
(std::codecvt<InternT,ExternT,State> 的虚受保护成员函数)