Хочу научиться прораммировать на С++

[Surzh]

Глупый вопрос: как использовать кирилличные символы? Стандартная таблица ASCII работает только до 127 символа.

Код: [Выделить]

include <stdio.h>
int main()
{
    unsigned char a;
     a='Я';
     printf("\n%c=%d",a,a);
     return 0;
}Компилятор ругается на a='Я'; При превышении 127(a=200) компилится, но выдаёт ерунду. В общем в упор не видит русские буквы. Хотя если printf("здраствуй, мир"), то русский печатается нормально. Используется Code::Blocks(консольное приложение) и Ubuntu 9.04. Пакет console-cyrillic ставил, не помогло.
ЗЫ. Интересно, при считывании с текстовых файлов тоже косяки с кодировками будут?

для работы с языками отличными от английского рекомендую использовать wchar_t заместь обычного char

[lexpartizan]

для работы с языками отличными от английского рекомендую использовать wchar_t заместь обычного char

Спасибо, попробую. Только мне удобно было как с байтами работать. Хотя может и так выкручусь.

[Sova777]

У тебя кодировка какая? UNICODE (UTF8). А там русскии буквы - 2 байта. В KOI8R или WINDOWS1251 твоя программа будет работать.

[lexpartizan]

Если не трудно, можете выложить корректный пример программы? А то не выходит каменный цветок. И если возможно пример работы со строкой.

[Surzh]

Я вот тут документацию открыл...
1) c - "int" argument is converted to "unsigned char", and then output. Note that this only writes a single character, even if the original "int" value held more than one character.
2) d - "int" argument is output as a signed decimal integer. If the number is positive, a '+' sign may or may not be output, depending on the value of the modifiers field.

В обоих случаях он на вход хочет получить int. А ты ему чары даешь

Для более подробной информации о флагах читай: http://www.thinkage.ca/english/gcos/expl/nsc/lib/printf.html

З.Ы.: Для мультибайтных строк и символов используется команда wprintf

[Yurror]

lexpartizan, на самом деле в твоём исходнике буковка 'Я' представлена несколькими байтами (я почти уверен что исходник набран в кодировке UTF-8, которая ставится по умолчанию в Ubunt'е), чего по синтаксису языка нельзя делать. тем более несколько байтиков в выделенный тобою один unsigned char ну никак не влезут. зато в wchar_t влезет любой символ из любого языка. 2009 год на дворе. пора писать unicode-ные приложения.
Вот исходник

Код: ("test.c") [Выделить]

#include <stdlib.h>
#include <locale.h>
#include <stdio.h>
#include <wchar.h>

int main()
{
        wchar_t wc = L'Я';
        setlocale(LC_ALL, getenv("LANG"));
        wprintf(L"%lc есть %s\n", wc, getenv("USER"));
        return EXIT_SUCCESS;
}

Для компиляции

Код: [Выделить]

gcc -std=c99 -Wall -Wextra test.c -o test

hint: man wprintf и англо-русский словарик

2 Sova777: UTF-8 есть кодировка с переменной длиной символа! Так что твои 2 байта это пальцем в небо... повезло что угадал. =)
в кодировках KOI8R или win1251 оно конечно соберется... но вот работать будет через пень колоду... и в самой программе надо будет самому следить за кодировками. если на это забить, то пользователи в итоге будет иметь что-то типа фуфла Photoshope которому надо прописывать в реестре ключики что-бы кодировки нормально отображались у "локализованной" версии.
таки средства locale.h использовать предпочтительнее.

[yaromir]

Yurror, и от меня спасибо за ликбез.

UTF-8 есть кодировка с переменной длиной символа!

Разве байт не является неделимой единицей?

[Surzh]

Yurror, и от меня спасибо за ликбез.

UTF-8 есть кодировка с переменной длиной символа!

Разве байт не является неделимой единицей?

символ != байт (в понятии Unicode)

[yaromir]

Т.е. может быть символ, например, длиной 3 бита? Круто. А как выглядит переменная wchar_t, которая его хранит?

[Surzh]

Т.е. может быть символ, например, длиной 3 бита? Круто. А как выглядит переменная wchar_t, которая его хранит?

3 бита - нет.. а вот 2 байта или 3 байта - запросто...

Подробнее тут: http://ru.wikipedia.org/wiki/%D0%AE%D0%BD%D0%B8%D0%BA%D0%BE%D0%B4

[yaromir]

Написал маленькую программку на Си:

Код: [Выделить]

#include <stdio.h>
#include <wchar.h>

int main(void)
{
    printf( "Size of wchar_t %i\n"
            "Size of char    %i\n",
            sizeof(wchar_t), sizeof(char)
          );
    return 0;
}
и запутался окончательно.
wchar_t - 4 байта,
char - 1 байт.
Что тогда означает цифра 8 в UTF-8 ?

[unimix]

3 бита - нет.. а вот 2 байта или 3 байта - запросто...

Если не использовать UTF, а самому реализовать динамический способ кодирования символов, то некоторый символ может быть 3 бита (и даже 2 бита, но эти варианты -- не лучшее решение). Конечно, храниться такие символы могут только в байтах: один символ в 3 бита фактически займет 1 байт; два символа в 3 бита тоже займут 1 байт. К примеру, если есть необходимость, то таким способом можно хранить и double, где в зависимости от числа зависит количество используемых байтов. С и С++ позволяют такое сделать.

П.С.
Это так, информация к размышлению кому интересно.

Что тогда означает цифра 8 в UTF-8 ?

http://ru.wikipedia.org/wiki/UTF-8

[yaromir]

У числовой переменной должно быть 4 сегмента:
знак - знак    ;
радикс - система исчисления: двоичная, восьмеричная, десятичная, шестнадцатиричная ;
мантисса - мантисса числа    ;
экспонента - степень, в которую нужно возвести десять.
Например 12 в десятичной системе исчисления кодируется так:
+ 10 1.2 1
Т.е. + 1.2 * 10^1;
Поэтому в С и С++ инт - 4 байта, флоат - 4 байта, дабл - 8 байт - каждому сегменту по 2 байта (или мантиссе и экспоненте по 3 байта, тут яхз. Хотя не, наверно все же по 2 байта каждому сегменту: дабл - двойной.)
В общем, см. загловок cfloat и http://www.cplusplus.com/

К примеру, если есть необходимость, то таким способом можно хранить и double, где в зависимости от числа зависит количество используемых байтов. С и С++ позволяют такое сделать.

Получается, в дабле сэкономить можно только на мантиссе и экспоненте, зачем тогда так извращаться с даблом, не проще использовать флоат? Если только из научных интересов.

[Surzh]

3 бита - нет.. а вот 2 байта или 3 байта - запросто...

Если не использовать UTF, а самому реализовать динамический способ кодирования символов, то некоторый символ может быть 3 бита (и даже 2 бита, но эти варианты -- не лучшее решение). Конечно, храниться такие символы могут только в байтах: один символ в 3 бита фактически займет 1 байт; два символа в 3 бита тоже займут 1 байт. К примеру, если есть необходимость, то таким способом можно хранить и double, где в зависимости от числа зависит количество используемых байтов. С и С++ позволяют такое сделать.

П.С.
Это так, информация к размышлению кому интересно.

Хаффман - наше все

(Нажмите, чтобы показать/скрыть)

Для танкистов: http://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D0%B4_%D0%A5%D0%B0%D1%84%D1%84%D0%BC%D0%B0%D0%BD%D0%B0

[Yurror]

Oldwise, в C и C++ не определены размеры встроенных типов данных. Определено лишь отношение этих размеров. char<=short<=int<=long<=long long
Собственно размер зависит от платформы и модели данных используемой на этой платформе

Код: [Выделить]

// Data models
// Data Type            LP32    ILP32    SILP64    ILP64    LLP64    LP64
// char                    8        8         8        8        8       8
// short                  16       16        64       16       16      16
// int                    16       32        64       64       32      32
// long                   32       32        64       64       32      64
// long long (int64)      64       64        64       64       64      64
// pointer                32       32        64       64       64      64

// __int8                 8         8         8        8        8       8
// __int16                16       16        16       16       16      16
// __int32                32       32        32       32       32      32
// __int64                64       64        64       64       64      64
/*
MacOS (Apple Mac) 32 - LP32
LLP64  - for 32 bit application on 64 bit os
OS   Mode 
Windows XP-64 / IA64   LLP64 
Linux   LP64 
Solaris   LP64 
DEC OSF/1 Alpha   LP64 
SGI Irix   LP64 
HP UX 11   LP64
*/