Línea de tiempo para Interpretación de cadenas literales con prefijo de tamaño L, u, U, u8 dentro de archivos fuente
Licencia actual CC BY-SA 4.0
8 eventos
cuándo alternar formato | qué | por | licencia | comentario | |
---|---|---|---|---|---|
el 25 abr. 2019 a las 17:55 | votar | aceptar | Trauma | ||
el 23 abr. 2019 a las 12:20 | comentario | añadido | Trauma |
¡ Eso no se me había ocurrido ! Que la salida errónea del cout corrompiera la terminal :-O Lo investigo :-)
|
|
el 23 abr. 2019 a las 11:49 | comentario | añadido | abulafia |
Parece que puede estar relacionado con que hayas impreso antes en cout . En el momento que usas cout , parece que se fuerza a que wcout use también un encoding de 8 bits, y ya todo sale mal. Si quitas el mensaje inicial por cout , el que va a wcout ya se comporta de la forma esperada, y es que la cadena almacenada internamente como UTF-32, se convierte al encoding especificado por el "locale" antes de enviarse a pantalla. El "locale" por defecto es C, y eso cambia las eñes por interrogantes. Pero si haces un setlocale(LC_ALL, "C.UTF-8") ya se ve bien.
|
|
el 23 abr. 2019 a las 10:21 | comentario | añadido | Trauma | @abulafia Lo que dices, que la cadena en el código estuviera en UTF8 igual que el resto del documento, es lo que yo creía y veía mas lógico ... pero no encontré documentación al respecto, y no se me ocurría como comprobarlo ... hasta que se me ocurrió. | |
el 23 abr. 2019 a las 10:20 | comentario | añadido | Trauma | Estaba intentando identificar quien y como se encargaba de codificar el texto. Ahora que ya lo tengo claro, todo tiene sentido, y tienes razón en lo que dices. En cuanto a la codificación del terminal ... pues el que use wandbox ... no puedo comprobarlo ahora mismo en un entorno mas controlado (un Linux, vamos). | |
el 23 abr. 2019 a las 10:18 | comentario | añadido | abulafia | No tengo tan claro en cambio por qué el siguiente intento muestra mal las eñes. Sólo se me ocurre que al usar por defecto el "locale" C, esté convirtiendo cada caracter mulitibyte a un solo byte, quizás con el encoding ISO-8859-1. Esto es independiente del encoding que use la terminal, la cual hará lo que pueda con lo que el programa le envía. | |
el 23 abr. 2019 a las 10:16 | comentario | añadido | abulafia |
La primera salida no es tan errónea... después de todo la cadena se ha codificado a wchar , por lo que cada letra son dos bytes (o cuatro, depende). Para la letra 'e' , en una arquitectura little-endian (como Intel) el primero de esos bytes es el código ascii de la 'e' , los restantes bytes del wchar son 0. Al forzarle a que lo interprete como char* , el primer 0 que se encuentra se toma por el terminador de cadena, y por eso sólo muestra la e .
|
|
el 23 abr. 2019 a las 9:57 | historial | respuesta | Trauma | CC BY-SA 4.0 |