Функция size() стандартного класса string

@xtorne21st · Регистрация: 25.09.2010

Author24 — интернет-сервис помощи студентам

Добрый день. При поптыке посчитать количество символов в введённой строке на латыне - отображает верный результат, а кириллицу читает неправильно. Компилятор GNU C++. В чём может быть дело и как исправить эту ошибку?

C++

#include <iostream>
#include <string>
using namespace std;
 
int main()
{
  string line;
  cout << "Введите, пожалуйста, фразу: " << endl;
  getline(cin, line);
  cout << line.size();
  return 0;
}

Если ввести: Hello World! Результат будет 12
Если ввести: Привет Мир! Результат будет 20

@Deviaphan · 02.09.2012, 09:47

Сообщение от -=ЮрА=-

Тогда я не могу почему в студии вот такой расклад

Юра, позволь я завершу ваш с Грызликом спор.
По неизвестной мне причине, кодпад автоматически сохраняет строку в мультибайте (русские символы там по два байта получаются как раз) и при компиляции так же использует мультибайт. Студия этого не делает (совершенно правильно поступает при этом).
Если вручную повторить перевод юникодовской строки в мультибайт, то результат студии совпадает с кодпадом.

C++

#include <string>
#include <iostream>
#include <Windows.h>
using namespace std;
 
 
int main(int argc, char* argv[])
{
    wchar_t rus[] = L"Привет мир!";
    char utf8[256] = {0};
 
    DWORD result = ::WideCharToMultiByte(CP_UTF8, WC_ERR_INVALID_CHARS, rus, -1, utf8, 255, 0, 0 );
 
    DWORD err = GetLastError();
 
    string line = utf8;
    for(int i = 0; i < (int)line.size(); i++)
        cout<<i<<" - "<<(int)line[i]<<endl;
 
    cin.get();
    return 0;
}

@Веселозадый · 14.01.2022, 20:42

Возможно будет не актуально,символы кириллицы находятся в unicode-таблице, и один символ из этой таблицы занимает 2 байта.Вот ссылка на статью, с картинками https://docs.microsoft.com/ru-... w=msvc-170

@Renji · 14.01.2022, 22:19

Излагаем еще проще. То что описывается в таблицах юникода, это code point-ы. То что у вас в string-ах лежит и подсчитывается методом size(), это code unit-ы. В зависимости от кодировки (utf-8/utf-16/-utf-32), одному код-поинту может соответствовать и один код-юнит, и три. И к исходному тексту эти код-юниты имеют примерно такое же отношение, как zip-архив к исходному файлу. А то что конечный пользователь называет "символом", это строго говоря grapheme cluster, который может собираться из неопределенного количества code point. Но в большинстве случаев все же состоит из одного код поинта. И те же регулярки существование этих самых кластеров обычно не учитывают.

@Renji 2782 / 1935 / 570 Регистрация: 05.06.2014 Сообщений: 5,600
	14.01.2022, 22:19	43
	Излагаем еще проще. То что описывается в таблицах юникода, это code point-ы. То что у вас в string-ах лежит и подсчитывается методом size(), это code unit-ы. В зависимости от кодировки (utf-8/utf-16/-utf-32), одному код-поинту может соответствовать и один код-юнит, и три. И к исходному тексту эти код-юниты имеют примерно такое же отношение, как zip-архив к исходному файлу. А то что конечный пользователь называет "символом", это строго говоря grapheme cluster, который может собираться из неопределенного количества code point. Но в большинстве случаев все же состоит из одного код поинта. И те же регулярки существование этих самых кластеров обычно не учитывают. 0

@Веселозадый 0 / 0 / 0 Регистрация: 18.08.2019 Сообщений: 2
	14.01.2022, 20:42	42
	Возможно будет не актуально,символы кириллицы находятся в unicode-таблице, и один символ из этой таблицы занимает 2 байта.Вот ссылка на статью, с картинками https://docs.microsoft.com/ru-... w=msvc-170 0