C / C++ 处理转义 \uxxxx 字符

本文借鉴了“夜已深茶已凉”的文章《C++版本的UnEscape 解析\uxxxx\uxxxx编码字符》（链接：https://www.cnblogs.com/guolongzheng/p/9375956.html）。

原文中有一个未修正的bug：非转义的普通字符串，如字符串中的“2018”、“V“”在`UnEscape()`函数处理后没有输出。

“input”字符串："\\u5b55\\u5987\\u88c5\\u590f\\u88c52018\\u65b0\\u6b3e\\u5bbd\\u677e\\u77ed\\u8896\\u4e2d\\u957f\\u6b3e\\u4e0a\\u8863\\u96ea\\u7ebaV\\u9886\\u8774\\u8776\\u7ed3\\u8fde\\u8863\\u88d9\\u590f\\u5b63"

期望输出：“孕妇装夏装2018新款宽松短袖中长款上衣雪纺V领蝴蝶结连衣裙夏季”

实际输出：“孕妇装夏装新款宽松短袖中长款上衣雪纺领蝴蝶结连衣裙夏季”

我在原作者的代码基础上作出修正，同时作出C代码供大家参考，请多多指教。

C++：

#include <iostream>
#include <string>
#include <codecvt>
#include <locale>
#include <windows.h>

using namespace std;

string Unescape(const string& input) {
    wstring wresult;
    for (size_t i = 0; i < input.length(); ) {
        if (input[i] == '\\' && input[i + 1] == 'u') {
            string code = input.substr(i + 2, 4);
            wchar_t unicode = stoi(code, nullptr, 16);
            wresult += unicode;
            i += 6;
        } else {
            wresult += input[i++];
        }
    }
    wstring_convert<codecvt_utf8<wchar_t>> conv;
    string result = conv.to_bytes(wresult);
    return result;
}

int main() {
    if (GetConsoleOutputCP() != CP_UTF8)
        SetConsoleOutputCP(CP_UTF8);
    string input = "\\u5b55\\u5987\\u88c5\\u590f\\u88c52018\\u65b0\\u6b3e\\u5bbd\\u677e\\u77ed\\u8896\\u4e2d\\u957f\\u6b3e\\u4e0a\\u8863\\u96ea\\u7ebaV\\u9886\\u8774\\u8776\\u7ed3\\u8fde\\u8863\\u88d9\\u590f\\u5b63";
    string result = Unescape(input);
    if (!result.empty()) {
        cout << "原转义字符串："<< input << "\n\n转义还原后的结果：" << result << endl;
    }
    return 0;
}

C：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <wchar.h>
#include <windows.h>

char* Unescape(char* input) {
    size_t inputLen = strlen(input);
    wchar_t* wresult = malloc((inputLen + 1) * sizeof(wchar_t));
    if (wresult == NULL) {
        return NULL;
    }
    
    wchar_t* wr = wresult;
    char* p = input;
    while (*p) {
        if (*p == '\\' && *(p + 1) == 'u') {
            char code[5] = {0};
            strncpy(code, p + 2, 4);
            int unicode = strtol(code, NULL, 16);
            *wr++ = unicode;
            p += 6;
        } else {
            *wr++ = *p++;
        }
    }
    *wr = L'\0';
    
    int len = WideCharToMultiByte(CP_UTF8, 0, wresult, -1, NULL, 0, NULL, NULL);
    char* result = malloc(len + 1);
    if (result != NULL) {
        WideCharToMultiByte(CP_UTF8, 0, wresult, -1, result, len + 1, NULL, NULL);
    }
    free(wresult);
    return result;
}

int main() {
    char *input = "\\u5b55\\u5987\\u88c5\\u590f\\u88c52018\\u65b0\\u6b3e\\u5bbd\\u677e\\u77ed\\u8896\\u4e2d\\u957f\\u6b3e\\u4e0a\\u8863\\u96ea\\u7ebaV\\u9886\\u8774\\u8776\\u7ed3\\u8fde\\u8863\\u88d9\\u590f\\u5b63";
    char* result = Unescape(input);
    
    if (GetConsoleOutputCP() != CP_UTF8)
        SetConsoleOutputCP(CP_UTF8);
    
    if (result != NULL) {
        printf("原转义字符串：%s\n\n转义还原后的结果：%s\n", input, result);
        free(result);
    }
    return 0;
}

在Windows命令提示符下代码页设为936（GB-2321）或者65001（UTF-8）运行都正确：

C / C++ 处理转义 \uxxxx 字符

C++：

C：

猜你喜欢