波斯语的 QString

Question

我已经给出了一个需要支持波斯语的 Qt 项目 language.T 他的数据从服务器发送并使用第一行，我得到一个 QByteArray 并使用第二行将其转换为 QString:

    QByteArray readData = socket->readAll();
    QString DataAsString = QTextCodec::codecForUtfText(readData)->toUnicode(readData);

当发送的数据是英文时，一切正常，但是当是波斯文时，而不是

سلام

我明白了

Ø³Ù\u0084Ø§Ù\u0085

我提到了这个过程，所以人们不会建议使用 .tr 制作多语言应用程序的方法。这完全是关于文本和解码，而不是那些翻译方法。我的 OS 是 Windows 8.1（对于你需要知道的情况）。

当服务器发送 سلام

时，我得到了这个十六进制值

0008d8b3d984d8a7d985

顺便说一句，服务器在开头发送了两个额外的字节，我不知道是什么原因。所以我用以下方法切断它：

DataAsString.remove(0,2);

在它被转换为 QString 之后，十六进制值在开始时有一些额外的。

Answer 1

我太好奇了，等着回复，自己玩了一下：

我复制了文本 سلام（英文："Hello"）并将其粘贴到 Nodepad++（在我的例子中使用 UTF-8 编码）。然后我切换到 View as Hex 并得到：

右侧的ASCII转储看起来与OP意外得到的有点相似。这让我相信 readData 中的字节是用 UTF-8 编码的。因此，我采用了公开的十六进制数字并制作了一些示例代码：

testQPersian.cc:

#include <QtWidgets>

int main(int argc, char **argv)
{
  QByteArray readData = "\xd8\xb3\xd9\x84\xd8\xa7\xd9\x85";
  QString textLatin1 = QString::fromLatin1(readData);
  QString textUtf8 = QString::fromUtf8(readData);
  QApplication app(argc, argv);
  QWidget qWin;
  QGridLayout qGrid;
  qGrid.addWidget(new QLabel("Latin-1:"), 0, 0);
  qGrid.addWidget(new QLabel(textLatin1), 0, 1);
  qGrid.addWidget(new QLabel("UTF-8:"), 1, 0);
  qGrid.addWidget(new QLabel(textUtf8), 1, 1);
  qWin.setLayout(&qGrid);
  qWin.show();
  return app.exec();
}

testQPersian.pro:

SOURCES = testQPersian.cc

QT += widgets

在 Windows 10:

的 cygwin 中编译和测试

$ qmake-qt5 testQPersian.pro

$ make

$ ./testQPersian

同样，作为 Latin-1 的输出看起来有点类似于 OP 得到的以及 Notepad++ 暴露的。

UTF-8 的输出提供了预期的文本（符合预期，因为我提供了正确的 UTF-8 编码作为输入）。

可能是，ASCII/Latin-1 输出变化有点令人困惑。 – 存在多个字符字节编码，它们在下半部分 (0 ... 127) 共享 ASCII，但在上半部分 (128 ... 255) 具有不同的字节含义。（看看 ISO/IEC 8859 了解我的意思。在 Unicode 作为本地化问题的最终解决方案流行之前，这些已作为本地化引入。）

波斯语字符肯定具有超过 127 的所有 Unicode 代码点。（Unicode 也共享前 128 个代码点的 ASCII。）这些代码点在 UTF-8 中编码为多个字节的序列，其中每个字节都有MSB（最高有效位 - 位 7）设置。因此，如果这些字节（不小心）被任何 ISO8859 编码解释，那么上半部分就变得相关了。因此，根据当前使用的 ISO8859 编码，这可能会产生不同的字形。

一些后续：

OP 发送了以下快照：

所以，它似乎而不是

d8 b3 d9 84 d8 a7 d9 85

他得到了

00 08 d8 b3 d9 84 d8 a7 d9 85

可能的解释：

服务器首先发送一个16位长度的00 08——解释为Big-Endian 16位整数：8，然后8 以 UTF-8 编码的字节（看起来与我在上面播放时得到的一模一样）。（AFAIK，如果发送方和接收方本身具有不同的字节序，则将 Big-Endian 用于二进制网络协议以防止字节序问题并不罕见。）进一步阅读，例如这里：htons(3) - Linux man page

On the i386 the host byte order is Least Significant Byte first, whereas the network byte order, as used on the Internet, is Most Significant Byte first.

OP 声称使用了此协议DataOutput – writeUTF:

Writes two bytes of length information to the output stream, followed by the modified UTF-8 representation of every character in the string s. If s is null, a NullPointerException is thrown. Each character in the string s is converted to a group of one, two, or three bytes, depending on the value of the character.

因此，解码可能如下所示：

QByteArray readData("\x00\x08\xd8\xb3\xd9\x84\xd8\xa7\xd9\x85", 10);
//QByteArray readData = socket->readAll();
unsigned length
  = ((uint8_t)readData[0] <<  8) + (uint8_t)readData[1];
QString text = QString::fromUtf8(dataRead.data() + 2, length);

从readData中提取前两个字节并组合到length（解码big-endian 16位整数）。
dataRead 的其余部分转换为 QString，提供先前提取的 length。因此，readData 的前 2 个长度字节被跳过。

Answer 2

您需要像这样使用 utf8 发送数据

    mysocket->write(message.toUtf8());

然后像这样接收并转换为 utf8：

    QByteArray Data = mysocket->readAll();
    QString DataAsString = QString::fromUtf8(Data);

您的数据将被发送而不会变得无法识别

波斯语的 QString

QString in Persian

c++

qt

text

decoding