有多少个无法转成ANSI的UNICODE字符

2017-01-15 04:30:19 1.2k 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

C++字符串转换（Unicode和ANSI互转） 1、ANSI 转 Unicode int MultiByteToWideChar( UINT uCodePage, //CP_ACP DWORD dwFlags, //一般为 0 PCSTR pMultiByt 阅读详情

有一个程序是按ANSIC编码来写的。如果见到UNICODE的字符，就先转为ANSIC字符来显示。

现在的问题是，遇到了无法转为 unicode的字符。

如 COPYRIGHT的符号（圈里面有个C，这里发贴也不能用）

把它在记事本中输入，也无法保存为ansi编码的文件。

我想知道，总共有多少个类似的字符？它们的取值范围是多少？

谢谢！

...全文

科研党必备！用Requests+BeautifulSoup升级版Nature爬虫（含PDF下载功能）本文介绍了一套基于Python Requests和BeautifulSoup的Nature期刊智能爬虫系统，专为科研人员设计，可自动抓取论文标题、摘要及开放获取的PDF文档。系统采用模块化设计，包含请求管理、PDF检测和邮件通知等功能，确保高效合规地获取学术资源，提升科研效率。阅读详情

kenshu

VC/MFC 16,550 成员 421,606 内容

+ 关注 + 加入社区

切换为时间正序

kenshu 2017-02-23

打赏
举报

引用 24 楼 zhujinqiang 的回复:

楼主后来解决问题了吧

最终的方法是 a(unicode) -> b(ansi) -> c(unicode) 如果 a != c,就是出错。这样做最保险，当然CPU时间也上去了。因为如23楼所述，WideCharToMultiByte 可能在出错时，返回值和参数都显示正确。

zhujinqiang 2017-02-20

打赏
举报

楼主后来解决问题了吧

kenshu 2017-02-13

打赏
举报

引用 18 楼 zhujinqiang 的回复:

ANSI编码表本来就很小啦转换失败就按照 WideCharToMultiByte 的最后一个参数做异常处理就好了。

我最终用了您的方法。并且花了两个星期左右来修改并兼容程序。但实际上还是不对。繁体中文操作系统下， ©，会被转换为 c 并且最后一个参数返回是正确的。（简体中文下返回错误）看来又要花多几个星期来改了。

赵4老师 2017-01-23

打赏
举报

//GBK汉字内码范围（不包括A1xx～A9xx的标点符号英文字母特殊符号等） //区码 ,位码 //81-A0 ,40-7E 80-FE //AA-AF ,40-7E 80-A0 //B0-D6 ,40-7E 80-FE //D7 ,40-7E 80-F9 //D8-F7 ,40-7E 80-FE //F8-FE ,40-7E 80-A0

zhujinqiang 2017-01-22

打赏
举报

ANSI编码表本来就很小啦转换失败就按照 WideCharToMultiByte 的最后一个参数做异常处理就好了。

zwfgdlc 2017-01-22

打赏
举报

引用 17 楼 kenshu 的回复:

[quote=引用 15 楼 zwfgdlc 的回复:] 事实上你只要判断MultiByteToWideChar执行有没失败就行了

试了，这个方法不行，比如 Copyright: © 2001-2017 转出来返回值是成功的,但它转成 Copyright: ? 2001-2017 ---------------------------------- 所以，我现在的方案是， 1.A/*UNICODE*/ -> B/*ANSI*/ -> C/*UNICODE*/ 如果A ！= C ，就证明转换有问题，转其它方法。不过运行时的计算量会大很多。因为本来转一次的东西，要转两次再比较。 2.穷举所有奇怪的字符。不过运行时计算量也不会少到哪去。 [/quote] 上代码看看

schlafenhamster 2017-01-22

打赏
举报

“”GBK 亦采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。“”

schlafenhamster 2017-01-22

打赏
举报

从GB字库扩充到GBK字库，增加了1万4千多字。 http://baike.baidu.com/link?url=TCh1hccgkyYuC1r1gF9ygeVx_jjT9SMboEUicm2v_9yhkH4nJ39Ph6TZxBCulxr9pveUCMMYstYnaC6NLe2i-9g4_nDROmeR0cxFmuZmJI7

kenshu 2017-01-21

打赏
举报

引用 15 楼 zwfgdlc 的回复:

事实上你只要判断MultiByteToWideChar执行有没失败就行了

kenshu 2017-01-21

打赏
举报

引用 14 楼 schlafenhamster 的回复:

留意我的"額"字是繁体字的，不是简体字的。当然它也是GB码，不是BIG5码的. 这个字不是后来出的，简体win98下就打得出来。

zwfgdlc 2017-01-21

打赏
举报

事实上你只要判断MultiByteToWideChar执行有没失败就行了

schlafenhamster 2017-01-21

打赏
举报

kenshu 2017-01-21

打赏
举报

当时，汉字的这个问题，我也是没办法，穷举所有例外的情况来单独处理。

kenshu 2017-01-21

打赏
举报

引用 11 楼 schlafenhamster 的回复:

"那个©的符号就是ASCII码的(0xA900)" 不是吧？ASCII码从 00 到 FF，单字节。汉字必须》0x80,0x80 而 0xA900 不会是汉字

我问的是，“有多少个无法转成ANSI的UNICODE字符”，他说，“除了ascii码表的所有字符”，但实际上那个字的ASCII编码是 "A9",UNICODE 是"a900". 另外，您说的“汉字必须 0x80,0x80”，很久以前我也这样认为，我们都是从书里看到的。写那本书的人不负责任（或也许是后来改进了）。所以很久以前，我想当然地按这样的组合来判断汉字。但其实不对。 "額"是0xEE7E (还有另外几个汉字也是这样) 汉字编码这个问题，也花了我可能有一个星期来处理。

schlafenhamster 2017-01-21

打赏
举报

"那个©的符号就是ASCII码的(0xA900)" 不是吧？ASCII码从 00 到 FF，单字节。汉字必须》0x80,0x80 而 0xA900 不会是汉字

kenshu 2017-01-21

打赏
举报

引用 4 楼 VisualEleven 的回复:

Unicode编码的字符很多啊~比如中文汉字，日文。。。

引用 5 楼 zzz3265 的回复:

你的问题缺条件, UNICODE包括世界很多语言, multi-byte 一般是单一的一种语言, 其他语言肯定是没法转换过来的转换失败是可以检测到的 WideCharToMultiByte 的最后一个参数, 你可以自己写个循环代码去测试有多少转换失败的另外就算转换成功, 如果字体不支持也会导致无法显示

引用 7 楼 oyljerry 的回复:

主要是需要知道字符的编码格式，然后才好对应的进行编码解码

上面三个一起回复。实际上，这个程序，在不同的语言下，比如简体，繁体，日文，阿拉伯文等下面长期运行是没有问题的。需要处理的文本，按当前操作系统默认页来转换。因为日文下，它需要处理的也都是日文。所以正常的文本，不存在上面两楼说的问题。因为历史原因，（这个程序是2001年开始写的），当时的需求还不需要考虑到UNICODE，而且经验上不够，没有前瞻性，所以就没有考虑UNICODE的问题。后来加了UNICODE的转换，也都没有问题。可是整个程序的架构是ANSI编码的，而且已经太大了，没办法整个程序重新转换也UNICODE的结构。这个工作量太大，而且没办法控制BUG的规模。

引用 6 楼 shiyanzi 的回复:

转换失败做标识

这个我们正在考虑有没有办法做。

引用 8 楼 akirya 的回复:

写个程序挨个转换一下 ™©®

我当时想最简单的办法，应该就是这样。所以我才需要穷举出各种可能，就像您列出来的这样。不过您这三个应该是不够的。

引用 9 楼 an_bachelor 的回复:

除了ascii码表的所有字符

an_bachelor 2017-01-21

打赏
举报

除了ascii码表的所有字符

像我这么帅的只有一个 2017-01-17

打赏
举报

转换失败做标识

Yofoo 2017-01-17

打赏
举报

你的问题缺条件, UNICODE包括世界很多语言, multi-byte 一般是单一的一种语言, 其他语言肯定是没法转换过来的转换失败是可以检测到的 WideCharToMultiByte 的最后一个参数, 你可以自己写个循环代码去测试有多少转换失败的另外就算转换成功, 如果字体不支持也会导致无法显示

Eleven 2017-01-17

打赏
举报

Unicode编码的字符很多啊~比如中文汉字，日文。。。

加载更多回复（5）

有多少个无法转成ANSI的UNICODE字符

相关推荐