Как обрабатывать последовательности символов Юникода в C / C ++?

Каковы более переносимые и чистые способы обработки последовательностей символов Unicode в C и C++?

Используйте библиотеку, например ICU. Если вы не можете, это абсолютно, черт возьми, вы не можете свернуть свой собственный. Однако будьте готовы к тяжелым временам. Кроме того, поищите Unicode.org документацию по образцу исходного кода.

Должен ли я также использовать среду?

Да. Возможно, вам также понадобится использовать функцию std::setlocale. Это позволит вам установить локаль, соответствующую кодировке, которую вы хотите, например. если вы хотите использовать британский английский в качестве языка и UTF-8 в качестве кодировки, вы должны установить LC_CTYPE в en_GB.UTF8 .

C++03 не позволяет работать с Unicode. Лучше всего использовать тип данных wchar_t (и расширение std::wstring). Однако обратите внимание, что размер и кодировка символов различаются в разных ОС. Например. Windows использует 2 байта для wchar_t и кодировки UTF-16, тогда как GNU/Linux и Mac OSX используют 4 байта и кодировку UTF-32.

C++0x должен исправить ситуацию, разрешив литералы Unicode codecvt фасеты, поддержку C Unicode TR (читай ) и т. д., но тогда это долгий путь для большинства компиляторов. (Здесь есть несколько вопросов по SO, которые должны помочь вам начать работу.)