Konverzija kodne stranice u C++-u (iz CP 852)

Što se tiče hrvatskih znakova trebao bi koristiti nešto poput UnicodeString, što postoji u C++ Builderu ili WideString (wchar_t *) što mislim da ima i u VS-u. No svejedno ne vjerujem da će to proći upotrebom C pristupa tj. s fprintf. Mislim da je u ovom slučaju čak i nužno potrebno koristiti C++ streamove tj. (i)fstream objekte za čitanje i pisanje u datoteku jer jedino oni mogu imati preopterećenje ulaznih i izlaznih operatora (>> i <<) za rad s unicode tipovima podatka.

Mozda da malo bolje objasnis sto tocno tebi treba? O kakvoj "preradi" pricas?

Pa u čemu je onda problem? Ne znaš kako mijenjati slova u nekom stringu?

To su specifičnosti vezane za rad s različitim jezicima. Iskreno, nikada to nisam baš pokušavao pod linuxom, no našao sam nešto:

Starting with GNU glibc 2.2, the type wchar_t is officially intended to be used only for 32-bit ISO 10646 values, independent of the currently used locale. This is signalled to applications by the definition of the __STDC_ISO_10646__ macro as required by ISO C99. The ISO C multi-byte conversion functions (mbsrtowcs(), wcsrtombs(), etc.) are fully implemented in glibc 2.2 or higher and can be used to convert between wchar_t and any locale-dependent multibyte encoding, including UTF-8, ISO 8859-1, etc.

For example, you can write

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

  int main()
  {
    if (!setlocale(LC_CTYPE, "")) {
      fprintf(stderr, "Can't set the specified locale! "
              "Check LANG, LC_CTYPE, LC_ALL.\n");
      return 1;
    }
    printf("%ls\n", L"Schöne Grüße");
    return 0;
  }

Call this program with the locale setting LANG=de_DE and the output will be in ISO 8859-1. Call it with LANG=de_DE.UTF-8 and the output will be in UTF-8. The %ls format specifier in printf calls wcsrtombs in order to convert the wide character argument string into the locale-dependent multi-byte encoding.

Detaljnije pogledaj primjere ovdje:

http://www.cl.cam.ac.uk/~mgk25/unicode.html

Pravis se pametan, a da za to zaista nemas razloga. U svakom slucaju mijenjas tekst iz jedne kodne stranice u drugu - radis PUKU KONVERZIJU iz cp852 - upravo ono sto tvrdis da ne radis. Koja je sad razlika koristiti drugu kodnu stranicu? Ili vlastitu kodnu stranicu? Ne razumijes pojam kodna stranica. Princip je isti, samo sto za razlicite kodne stranice moras imati razlicite matrice (ili dva vektora umjesto matrice s dva stupca) sa znakovima koje ces zamijeniti drugim znakovima.

Kao prvo switch nije petlja. Kao drugo, switch ne da treba zamijeniti prema potrebi, nego ga treba u potpunosti izbaciti. Trebas samo imati matricu za konverziju i s for petljom proci kroz tu matricu. Neces valjda pedeset znakova mijenjati tako da ides pisati switch s pedeset slucajeva!

Uzrokovao si zbunjolu tvrdeci da ne radis puku konverziju, kad upravo to radis.

Zasto si prvo umjesto u datoteku pomocu fprintf konvertirane stringove jednostavno ne ispises na ekran pomocu cout << da vidis jel ti program uopce radi? Pa da tek onda ides rjesavat problem zapisivanja u datoteku?

Dalje - ne znam dovoljno o Linuxu - jel kod koji si tu napisao, znaci ovi hrvatski dijakriticki znakovi  (Č, č, Ž, ž...), oni su u izvornom kodu napisani kao osam bitni znakovi, ili kao Unicode ili neka druga 16-bitna kodna stranica? Naime, poruka "warning: multi-character character constant" sugerira da ti konstatna 'Č' nije samo jedan znak (8 bitova), nego više - vjerojatno dva znaka, odnosno 16 bitova. To je nešto o čemu valja razmisliti (kojim kodom ce ti Č, č, Ž, ž... biti predstavljeni, ovisi o tome koja ti je kodna stranica postavljena u editoru izvornog koda!) - ne mijesas li u konačnici 8-bitne (nepromijenjena, originalna slova iz datoteke) i 16-bitne znakove!?

Uzmi ovaj kod pa pocni od njega:

    string charTO;
    string myString = ""; 
   
    const int brojZnakova = 5;   
   
    int matricaFrom[brojZnakova] = {65 /* slovo A */, 'Æ', 'Š', 'š', 'D'};
    int matricaTo[brojZnakova] = {'x', 'C', 'S', 's', 'd'};
   
    for(int o = 0; o < nekiString.length(); o++)
       {
            unsigned char a = nekiString[o];
            charTO = a;
           
            for (int i = 0; i < brojZnakova; i++) {
                if (a == matricaFrom[i]) {
                    charTO = matricaTo[i];
                    break;
                }
            }
           
            myString = myString + charTO;
       }              

    cout << myString << endl;

Kad ti to ispravno profunkcionira, onda se idi bavi fprintf funkcijom... Ili je zamijeni nekom drugom.

Sigurno ga ne pročita kao -97. Negdje si nesto zeznuo. Vjerojatno kod definiranja tipova. Ako koristis 8-bitne znakove, onda za tip koristi unsigned char, a ne char ili int. Ako koristis 16 ili vise-bitne znakove, onda koristi unsigned int.