C++ 输出Unicode字符的正确方法

正确输出 Unicode 字符

要输出特殊符号首先需要知道它的 Unicode 编码，当然，直接在剪切板里 copy 对应符号也是可以的。

要查询字符对应的 Unicode 编码，可以在如下网站：https://unicode-table.com/cn/

以恒等符号 ≡ 为例，我们查询它的 Unicode编码为：\u2261

Linux下：

#include <iostream>
using namespace std;

int main (){
    cout << "≡ is the same as \u2261" << endl;
    string s("≡ is the same as \u2261");
    cout << s << endl;
}

程序输出如下：

≡ is the same as ≡
≡ is the same as ≡

我们可能会好奇，≡ 究竟占多少个字节？如果知道它占了多少个字节，我们就能很方便的对这个符号进行存取：

（1）首先用一种简单的办法：

string s("\u2261");
cout << s.size() << endl;

程序输出如下：

3

如此，我们可以很方便的存取它：

//string s("\u2261");
char* c = new char[3];
copy(s.begin(), s.begin()+3, c);
cout << c << endl;

程序将输出：

≡

（2）如果知道 unicode 编码对应的字节数，就不必如此做了：

注：表格来自于博客 https://www.cnblogs.com/zizifn/p/4716712.html

Bits of code point	First code point	Last code point	Bytes in sequence	Byte 1	Byte 2	Byte 3	Byte 4	Byte 5	Byte 6
7	U+0000	U+007F	1	0xxxxxxx
11	U+0080	U+07FF	2	110xxxxx	10xxxxxx
16	U+0800	U+FFFF	3	1110xxxx	10xxxxxx	10xxxxxx
21	U+10000	U+1FFFFF	4	11110xxx	10xxxxxx	10xxxxxx	10xxxxxx
26	U+200000	U+3FFFFFF	5	111110xx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx
31	U+4000000	U+7FFFFFFF	6	1111110x	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx

通过查表我们得知 \u2206 在范围 \u0800 - \uFFFF 之间，这个编码范围对应的字节数是：3。

windows下：

#include <stdio.h>
#include <windows.h>

int main (){
    SetConsoleOutputCP(65001);
    printf("≡\n");
}

程序将输出：

≡

函数 SetConsoleOutputCP 用于设置控制台程序输出代码页，代码页是字符集编码的别名。

只介绍两种常用的代码页编号：

• 936        简体中文
• 65001   UTF-8

如果想打印其他语种，可以在网上查询一下代码页表，选取需要的字符集编码。

如此，便可以正确打印出特殊字符了。

当然，也可以也可以通过文件流将特殊字符在文件里存取，需要注意：

• 保存文档编码为UTF-8（取自己所需要的编码方案）
• 该特殊字符所占用的字节空间

结语

当我们通过某些数据类型存取特殊字符，而发现输出乱码的时候，排除控制台代码页和文档编码的因素，往往是分配的地址空间不足以容纳该特殊字符导致的。知道特殊字符的对应编码，并知悉它所占用的字节空间，大部分情况下便可有效避免乱码。