[Erledigt] URL u. UNICODE-Zeichen

Werbeanzeige

Deviloper

Community-Fossil

Beiträge: 2 872

26.02.2009, 19:41

[Erledigt] URL u. UNICODE-Zeichen

Also hab das "vergnügen" das ich eine Internetseite parsen muss und dafür muss ich mir leider nen URL zusammen setzen. In diesem kann es vorkommen das UNICODE-Zeichen enthalten sind.

Hab's mir mal angeguckt was Firefox ausspuckt %E8 für è scheint also im Prinzip der zugeordnete Zahlenwert in hexa zu sein, korrekt?

	C-/C++-Quelltext
1	std::cout << "%" << std::hex << static_cast<unsigned short>(L'è') << std::endl;

sollte mir demnach die korrekte übersetzung liefern, oder?

Aber damit hab ich doch längst nicht alle Zeichen drin?!

Devil Entertainment :: Your education is our inspiration
Der Spieleprogrammierer :: Community Magazin
Merlin - A Legend awakes :: You are a dedicated C++ (DirectX) programmer and you have ability to work in a team? Contact us!
Siedler II.5 RttR :: The old settlers-style is comming back!

Also known as (D)Evil

Zum Seitenanfang

Anonymous

unregistriert

26.02.2009, 21:40

Vorsicht: Bei Unicode immer den Zeichensatz unterscheiden! Gut bei einem é ist das vielleicht recht trivial, aber man sollte sich an UTF-8 halten im Web-Bereich, da es dort de facto Standard ist.

Deine Methode ist nicht gut. Hier etwas von mir:

C-/C++-Quelltext

    /// //////////////////////////////////////////////////////////////////////

    /// Encodiert einen String in eine URL-komforme Kodierung.

    ///

    /// \param value:

    ///     String der Encodiert werden soll.

    ///

    /// \return:

    ///     Der umgewandelte String.

    ///

    /// //////////////////////////////////////////////////////////////////////

    static string_type encode (const string_type& value);

    /// //////////////////////////////////////////////////////////////////////

    /// Wandelt einen char in einen Hex-Wert um und gibt diesen als String wieder.

    ///

    /// \param value:

    ///     Zeichen das umgewandelt werden soll.

    ///

    /// \return:

    ///     Das Eingabezeichen als Hex-Wert in einem String.

    ///

    /// //////////////////////////////////////////////////////////////////////

    static string_type char_to_hex (const char& value);

// [...]


/// //////////////////////////////////////////////////////////////////////////

/// Encodiert einen String in eine URL-komforme Kodierung.

/// //////////////////////////////////////////////////////////////////////////

string_type url::encode (const string_type& value)
{
    string_type result;

    const size_type length = value.length ();
    for (size_type i = 0; i < length; ++i)
    {
        if ((48 <= value[i] && value[i] <= 57) ||
            (65 <= value[i] && value[i] <= 90) ||
            (97 <= value[i] && value[i] <= 122) ||
            (value[i]=='~' || value[i]=='!' || value[i]=='*' || value[i]=='(' || value[i]==')' || value[i]=='\''))
        {
            result.append (&value[i], 1);
        }
        else
        {
            result.append ("%");
            result.append (char_to_hex (value[i]));
        }
    }
    return (result);
}

/// //////////////////////////////////////////////////////////////////////////

/// Wandelt einen char in einen Hex-Wert um und gibt diesen als String wieder.

/// //////////////////////////////////////////////////////////////////////////

string_type url::char_to_hex (const char& value)
{
    char dig1 = (value & 0xF0) >> 4;
    char dig2 = (value & 0x0F);

    if ( 0 <= dig1 && dig1 <= 9)
        dig1 += 48;
    if (10 <= dig1 && dig1 <=15)
        dig1 += 97 - 10;
    if ( 0 <= dig2 && dig2 <= 9)
        dig2 += 48;
    if (10 <= dig2 && dig2 <=15)
        dig2 += 97 - 10;

    string_type result;
    result.append (&dig1, 1);
    result.append (&dig2, 1);

    return (result);
}

Das UTF-16le erst auf UTF-8 umwandeln, dann hat man weniger Probleme.

p.s.: dies ist eigentlich eher nur für UTF-8 ausgerichtet, ob das nun auch mit "unsigned chars"*2 (wchar_t) geht, weiß ich nicht. Arbeite nur noch mit eigenen string- und char-klassen und keine STL mehr, damit ich UTF-8 problemlos benutzen kann. Willst du den code benutzen, solltest du string_type durch std::string/wstring ersetzen und size_type durch std::size_t

Zum Seitenanfang

David_pb

Community-Fossil

Beiträge: 3 886

Beruf: 3D Graphics Programmer

27.02.2009, 10:19

Das char_to_hex geht aber auch mit weniger "magic numbers".

Zum Beispiel:

C-/C++-Quelltext

static inline std::string char_to_hex (const char value) 
{ 
    static const char* lookup = "0123456789abcdef";
    char tmp[3] = {0};
    tmp[0] = lookup[(value>>4)&0xf];
    tmp[1] = lookup[value&0xf];
    return std::string( tmp );
}

	C-/C++-Quelltext
1 2 3 4 5 6	static inline std::string char_to_hex (const char value) { char tmp[3] = {0}; sprintf( tmp, "%02x", ( unsigned char )value ); return std::string( tmp ); }