如何在 C++ 中获取 Windows-1252 字符值？

问题描述

我有一个奇怪的输入文件，里面有各种控制字符，比如空值。我想从这个 Windows-1252 编码的文本文件中删除所有控制字符，但如果你这样做：

std::string test="tést";
for (int i=0;i<test.length();i++)
{
     if (test[i]<32) test[i]=32; // change all control characters into spaces
}

它也会将 é 变成空格。

因此，如果您有这样的字符串，以 Windows-1252 编码：

std::string test="tést";

十六进制值为：

t  é  s  t
74 E9 73 74

见https://en.wikipedia.org/wiki/ASCII和https://en.wikipedia.org/wiki/Windows-1252

test[0] 将等于十进制 116 (=0x74)，但显然对于 é/0xE9，test[1] 不等于十进制值 233。

那么你如何正确识别那个é？

解决方法

改变

if (test[i]<32)

到

if (test[i] >= 0 && test[i] < 32)

字符通常是有符号类型，而 0xE9 是八位整数中的负值。

,

32 是有符号整数，将 char 与有符号整数进行比较由编译器执行为有符号：E9 (-23)

使用 32 的无符号文字，即 32u 使比较对无符号值执行：E9 (233)

替换：

if (test[i]<32) test[i]=32;

作者：

if (test[i]<32u) test[i]=32u;

你应该得到预期的结果。

在这里测试： https://onlinegdb.com/BJ8tj0kbd

注意：您可以检查 char 是否使用以下代码签名：

#include <limits>
...
std::cout << std::numeric_limits<char>::is_signed << std::endl;