C：比较字符串或wstring中的特殊字符（á、é、ő等）

Question

我最近接到一个作业，要求我比较单词，我不想完整地描述，但我必须逐个字符地比较单词，看看两个单词有多相似。

现在的问题是我必须使用的输入文本包含许多非标准字符，如 á, é, ő, 等。我尝试使用string、wstring、char和wchar_t来表示我的单词，但似乎没有什么能正常工作。一个例子：

setlocale(LC_ALL, "");

std::vector <Word::Word> words;

std::wfstream fileWrite("testout.txt");
std::wstring s = words[0].getString();

fileWrite << s;

我们的字符串在这里包含单词“Még”。输出正确。作为记录，如果我使用string而不是wstring，那么一切都是一样的。以下也适用：

const wchar_t* wc = s.c_str();
fileWrite << wc;

但是一旦我尝试引用一个字符，它就会给我胡言乱语。例子：

fileWrite << wc[0] << " " << wc[1];

输出“ď”。我猜问题是他们使用多个字节来存储字符？我只是胡乱猜测，但这可以解释为什么

wcslen(wc);

返回7。

我尝试在string和wstring中使用substr函数，但通常似乎不起作用。有人知道如何解决这个问题吗？我是否遗漏了一些明显的东西？

另外，我在gcc编译器中使用代码块，我在某个地方读到它不能很好地处理wchar和wstring，这可能是问题吗？记住，我已经用string而不是wstring尝试了上面的所有内容，结果是一样的。

非常感谢大家的帮助，我们将不胜感激！

Answer 1

这些字符并不罕见。它们绝对是标准的Unicode字符。不幸的是，普通标准C不支持Unicode的任何细节。你的选择是要么找到一个支持它的好库（例如在MacOS X上运行的代码，或者iOS你只使用操作系统内置的东西，其他操作系统可能也有类似的支持），要么去www.unicode.org下载他们的代码表。阅读你能找到的关于它的一切。

wchar和wstring本质上是不可移植的。你最好的选择是使用UTF-8编码和标准std::字符串。理解UTF-8对于现在的任何程序员来说都是绝对必要的。

这里有一些关于记事本的讨论。许多软件编写的UTF-8前面有一个字节顺序标记（BOM），许多软件使用它来识别UTF-8。如果该字节顺序标记不存在，它们将查看单个字节。文件可能仅由ASCII字符组成，在这种情况下，它的编码方式无关紧要。如果不仅仅是ASCII，例如，包含非ASCII字符的Windows-1252编码文件合法UTF-8的可能性实际上为零。