为什么在将窄字符串转换为宽字符串时用 0xFF 屏蔽字符？

考虑这个函数将窄字符串转换为宽字符串 /a/39018368:

std::wstring convert(const std::string& input)
{
    try
    {
        std::wstring_convert<std::codecvt_utf8_utf16<wchar_t>> converter;
        return converter.from_bytes(input);
    }
    catch(std::range_error& e)
    {
        std::size_t length = input.length();
        std::wstring result;
        result.reserve(length);
        for(std::size_t i = 0; i < length; i++)
        {
            result.push_back(input[i] & 0xFF);
        }
        return result;
    }
}

我很难理解后备路径中这个表达式的必要性：

result.push_back(input[i] & 0xFF);

为什么字符串中的每个字符都用 0xFF (0b11111111) 屏蔽？

掩蔽用0xFF将任何负值减少到 0-255 范围内。

这是合理的，例如，如果您的平台char是代表 ISO-8859-1 字符的 8 位有符号类型，并且您的wchar_t代表 UCS-2、UTF-16 或 UCS-4。

如果没有此更正（或类似的操作，例如转换为unsigned char or std::byte），您会发现当提升为更宽的类型时，字符会被符号扩展。

示例：0xa9（©在 Unicode 和 Latin-1 中，-87 在有符号 8 位中）将变为\uffa9代替\u00a9.

我认为转换更清楚char to an unsigned char- 适用于任何大小的字符，并更好地传达意图。您可以直接更改该表达式，或创建一个codecvt为您正在做的事情命名的子类。

以下是如何编写和使用最小的codecvt（仅适用于窄→宽转换）：

#include <codecvt>
#include <locale>
#include <string>

class codecvt_latin1 : public std::codecvt<wchar_t,char,std::mbstate_t>
{
protected:
    virtual result do_in(std::mbstate_t&,
                         const char* from,
                         const char* from_end,
                         const char*& from_next,
                         wchar_t* to,
                         wchar_t* to_end,
                         wchar_t*& to_next) const override
    {
        while (from != from_end && to != to_end)
            *to++ = (unsigned char)*from++;
        from_next = from;
        to_next = to;
        return result::ok;
    }
};

std::wstring convert(const std::string& input)
{
    using codecvt_utf8 = std::codecvt_utf8<wchar_t>;
    try {
        return std::wstring_convert<codecvt_utf8>().from_bytes(input);
    } catch (std::range_error&) {
        return std::wstring_convert<codecvt_latin1>{}.from_bytes(input);
    }
}

#include <iostream>

int main()
{
    std::locale::global(std::locale{""});

    // UTF-8:  £© おはよう
    std::wcout << convert(u8"\xc2\xa3\xc2\xa9 おはよう") << std::endl;
    // Latin-1: 壩
    std::wcout << convert("\xc2\xa3\xa9") << std::endl;
}

Output:

£© おはよう
壩