端末のユニコード文字列幅を検出する方法は？

Question

私はユニコードをサポートしているターミナルベースのプログラムを開発中です。文字列が印刷されるまでに消費するターミナル列の数を特定する必要がある場合があります。残念ながら、いくつかの文字は2列幅（中国語など）ですが、全角文字を検出する良い方法を示すthis answerは、ICUライブラリからu_getIntPropertyValue（）を呼び出すことによって検出されました。

私はUTF8文字列の文字を解析して、この関数に渡そうとしています。私が今行っている問題は、u_getIntPropertyValue（）がUTF-32コードポイントを期待していることです。

utf8文字列からこれを取得する最も良い方法は何ですか？私は現在、boost :: locale（私のプログラムのどこかで使われています）でこれをやろうとしていますが、きれいな変換を得ることができません。 boost :: localeから来る私のUTF32文字列は、バイト順序を示すためにzero-width characterであらかじめ保留されています。明らかに、私は文字列の最初の4バイトをスキップすることができますが、これを行うためのよりクリーンな方法がありますか？ n.m @

inline size_t utf8PrintableSize(const std::string &str, std::locale loc) 
{ 
    namespace ba = boost::locale::boundary; 
    ba::ssegment_index map(ba::character, str.begin(), str.end(), loc); 
    size_t widthCount = 0; 
    for (ba::ssegment_index::iterator it = map.begin(); it != map.end(); ++it) 
    { 
     ++widthCount; 
     std::string utf32Char = boost::locale::conv::from_utf(it->str(), std::string("utf-32")); 

     UChar32 utf32Codepoint = 0; 
     memcpy(&utf32Codepoint, utf32Char.c_str()+4, sizeof(UChar32)); 

     int width = u_getIntPropertyValue(utf32Codepoint, UCHAR_EAST_ASIAN_WIDTH); 
     if ((width == U_EA_FULLWIDTH) || (width == U_EA_WIDE)) 
     { 
      ++widthCount; 
     } 

    } 
    return widthCount; 
} 

Answer 1

UTF-32は、個々の文字の「コードポイント」を直接表現したものです。だからあなたがする必要があるのは、UTF-8文字からそれらを抽出し、これをu_getIntPropertyValueに送ることだけです。

私はこのために作られているように思われ、あなたのコードを取り、u8_to_u32_iteratorを使用するように修正：なぜ、あまりにもUTF8ツーUTF32変換のためにそれを使用しないで、あなたはすでにICUを使用している場合は

#include <boost/regex/pending/unicode_iterator.hpp> 

inline size_t utf8PrintableSize(const std::string &str, std::locale loc) 
{ 
    size_t widthCount = 0; 
    for(boost::u8_to_u32_iterator<std::string::iterator> it(input.begin()), end(input.end()); it!=end; ++it) 
    { 
     ++widthCount; 

     int width = u_getIntPropertyValue(*it, UCHAR_EAST_ASIAN_WIDTH); 
     if ((width == U_EA_FULLWIDTH) || (width == U_EA_WIDE)) 
     { 
      ++widthCount; 
     } 

    } 
    return widthCount; 
} 

Answer 2

は正しかった：直接ICSでこれを行う簡単な方法がある

は、ここに私の現在の醜いソリューションです。更新されたコードは以下の通りです。おそらくUnicodeStringを使用し、このシナリオでは全体的なブーストロケールの使用法をバイパスすることができます。

inline size_t utf8PrintableSize(const std::string &str, std::locale loc) 
{ 
    namespace ba = boost::locale::boundary; 
    ba::ssegment_index map(ba::character, str.begin(), str.end(), loc); 
    size_t widthCount = 0; 
    for (ba::ssegment_index::iterator it = map.begin(); it != map.end(); ++it) 
    { 
     ++widthCount; 

     //Note: Some unicode characters are 'full width' and consume more than one 
     // column on output. We will increment widthCount one extra time for 
     // these characters to ensure that space is properly allocated 
     UnicodeString ucs = UnicodeString::fromUTF8(StringPiece(it->str())); 
     UChar32 codePoint = ucs.char32At(0); 

     int width = u_getIntPropertyValue(codePoint, UCHAR_EAST_ASIAN_WIDTH); 
     if ((width == U_EA_FULLWIDTH) || (width == U_EA_WIDE)) 
     { 
      ++widthCount; 
     } 

    } 
    return widthCount; 
}