std::mbrtoc32

std::size_t mbrtoc32( char32_t* pc32,
                      const char* s,
                      std::size_t n,
                      std::mbstate_t* ps );

Преобразует узкий многобайтный символ в его представление символом UTF-32.

Если s не является нулевым указателем, проверяет не более n байт строки многобайтных символов, начиная с байта, на который указывает s, чтобы определить количество байт, необходимых для завершения следующего многобайтного символа (включая любые последовательности переключения). Если функция определяет, что следующий многобайтный символ в s является полным и корректным, преобразует его в соответствующий 32-битный символ и сохраняет его в *pc32 (если pc32 не является нулевым указателем).

Если многобайтный символ в *s соответствует последовательности из нескольких char32_t (что невозможно для UTF-32), то после первого вызова этой функции *ps обновляется таким образом, что последующие вызовы mbrtoc32 записывают дополнительные char32_t, не учитывая *s.

Если s является нулевым указателем, значения n и pc32 игнорируются, а вызов эквивалентен std::mbrtoc32(nullptr, "", 1, ps).

Если полученный широкий символ является нулевым символом, состояние преобразования *ps представляет исходное состояние переключения.

Многобайтовая кодировка, используемая этой функцией, задаётся текущей активной локалью C.

Параметры

Возвращаемое значение

Первое из следующих условий, которое выполняется:

• 0, если символ, преобразованный из s (и сохранённый в *pc32, если он не нулевой), был нулевым символом.
• количество байт [1...n] многобайтного символа, успешно преобразованного из s.
• -3, если следующий char32_t из многосимвольного char32_t-символа был записан в *pc32. В этом случае байты входных данных не обрабатываются.
• -2, если следующие n байт образуют незавершённый, но пока корректный многобайтный символ. В *pc32 ничего не записывается.
• -1 при возникновении ошибки кодирования. В *pc32 ничего не записывается, значение EILSEQ сохраняется в errno, а значение *ps не определено.

Примеры

#include <cassert>
#include <clocale>
#include <cstring>
#include <cuchar>
#include <cwchar>
#include <iomanip>
#include <iostream>

int main()
{
    std::setlocale(LC_ALL, "en_US.utf8");

    std::string str = "z\u00df\u6c34\U0001F34C"; // or 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{}; // zero-initialized to initial state
    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
                  << static_cast<int>(c32) << " obtained from ";
        assert(rc != (std::size_t) - 3); // no surrogates in UTF-32
        if (rc == (std::size_t) - 1)
            break;
        if (rc == (std::size_t) - 2)
            break;
        std::cout << std::dec << rc << " bytes [ ";
        for (std::size_t n = 0; n < rc; ++n)
            std::cout << std::hex << +static_cast<unsigned char>(ptr[n]) << ' ';
        std::cout << "]\n";
        ptr += rc;
    }
}

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 ]

См. также