Witajcie,
Czy rozmiar null terminatora w zależności od UTF się różni? Znaczy w ASCII wiadomo jest to bajt = 0, ale czy w UTF16 i 32 są to odpowiednio 2 i 4 czy też 1? Piszę dekodowanie, więc muszę zrobić StrLen dla UTF. Albo gdzie to sprawdzić?
C++ 
- Rejestracja:ponad 21 lat
- Ostatnio:3 minuty
1
Znak o kodzie U+0000 zakodowany w UTF-16 będzie się składał z dwóch bajtów o wartości 0, a w UTF-32 z czterech.
Albo gdzie to sprawdzić?
edytowany 3x, ostatnio: Azarien
1
UTF-8 (nie wiem jak reszta, ale pewnie podobnie) posiada znak null, ale formalnie nie wyznacza on końca ciągu znaków - długość należy trzymać osobno, np. jako struktura:
struct Utf8String {
size_t length;
char* data;
}
Choć niektóre implementacje faktycznie (błędnie) wykorzystują go jako terminator.
edytowany 2x, ostatnio: Patryk27
Azarien
jakie znowu błędnie? tzw. c-string jest zakończony znakiem null, niezależnie od kodowania. to jakaś bzdura z tym trzymaniem długości osobno.
Patryk27
Tak, jest zakończony znakiem null i jest to błąd (uproszczenie) w implementacji. Mogę się ofc. mylić, lecz z tego co przeczytałem null character jest w pełni poprawnym znakiem w UTF-8, stąd zapisywanie długości osobno.
Azarien
w ASCII też jest „pełnoprawnym znakiem” ale w języku C string jest zdefiniowany jako ciąg znaków zakończony zerem. określamy więc, że znaki są kodowane w UTF-8 i już, działa. można sobie zdefiniować taką strukturę z osobną długością, ale to nikomu niepotrzebne - chyba że celem ma być szybkie określanie długości.
Zarejestruj się i dołącz do największej społeczności programistów w Polsce.
Otrzymaj wsparcie, dziel się wiedzą i rozwijaj swoje umiejętności z najlepszymi.