setw() 在包含 UTF-8 多字节字符/代码点的字符串上注入错误的输出

Question

我需要输出一些可能是 UTF-8 多字节的数据，并且我需要使用setw() 对其进行格式化。

当字符为多字节序列时，对齐丢失，setw() 无法正常工作。

//#include <stdio.h>
#include <locale>
#include <iostream>
//#include <fstream>
#include <iomanip>
//#include <sstream>

int main(int argc, char **argv)
{ 
    std::locale l=std::locale("en_US.utf8");
    std::locale::global(l); 
    std::cout.imbue(l);
    std::cout<<std::endl;
    std::cout<<std::setw(40)<<std::right<<"hi “my” friend"<<std::endl;
    std::cout<<std::setw(40)<<std::right<<"hi -my- friend"<<std::endl;
    return 0;
}

输出是：

                  hi “my” friend
                      hi -my- friend

我错过了什么？

我必须指出，“ 和” 这两个字符不是普通的"，而是另外两个字符，在 UTF-8 中每个字符由三个字节表示。

Answer 1

字符串文字 "hi -my- friend" 包含 14 个字符。字符串文字 "hi “my” friend" 包含 18 个字符：symbols “ and ” are encoded by 3 characters/bytes。 cout 按原样输出这些字符，它是将 3 字节序列转换为单个符号的目标终端。

所以，从流的角度来看，一切都很好：它输出 (width - strlen(literal) ) 填充字符，然后是 strlen(literal) 字符，width 总计。它不处理可能的多字节序列，也不知道目标终端将几个字符转换为一个符号。

Answer 2

您可以通过计算字符串在宽表示中的字符数来完成此格式化，然后计算字符串长度与宽表示之间的差异，然后将该差异添加到传递给 @ 的内容中987654321@，如：

std::mbstate_t state = std::mbstate_t();
std::string s = "hi “my” friend";
const char *cp = s.c_str();
size_t len = mbsrtowcs(nullptr, &cp, s.size(), &state);
std::cout << setw(40 + (s.size() - len)) << std::right << s << std::endl;

您可以将此功能编码为一个函数，该函数将字符串作为参数并仅返回要添加到 setw 调用的差异：

size_t f(const std::string &s)
{
  std::mbstate_t state = std::mbstate_t();
  const char *cp = s.c_str();
  size_t len = mbsrtowcs(nullptr, &cp, s.size(), &state);
  return s.size() - len;
}
...

std::string s = "hi “my” friend";
std::cout << std::setw(40 + f(s)) << std::right << s << std::endl;