[Arlleex 209]

2 часа назад, jcxz сказал:

Почему?

if ((s32)(j = (s8)c) < 0) {

Какие из символов Unicode А...я пройдут через это условие?

[jcxz 253]

1 час назад, Arlleex сказал:

if ((s32)(j = (s8)c) < 0) {

Какие из символов Unicode А...я пройдут через это условие?

Да, опять я думал про UTF-8, у которого все расширенные коды имеют установленный 7-й бит в первом байте.

Конечно же для UTF-16 заменить на простое: if ((j = c) >= 128) {

[jcxz 253]

Кстати: И эта функция по большому счёту - неверная. Да и ваша: 

тоже. Так как в UTF-16 один символ может кодироваться не обязательно одним словом. Ни та ни другая это не учитывают.

Именно поэтому всегда предпочитаю UTF-8.

[Arlleex 209]

2 часа назад, jcxz сказал:

Кстати: И эта функция по большому счёту - неверная. Да и ваша: 

тоже. Так как в UTF-16 один символ может кодироваться не обязательно одним словом. Ни та ни другая это не учитывают.

Именно поэтому всегда предпочитаю UTF-8.

Почему моя не верная? Длинные коды (32-битные) представляются суррогатными парами, которые обе находятся в определенных диапазонах. Эти диапазоны моим алгоритмом не обрабатываются, поэтому такие символы будут просто пропущены. Чего мне и достаточно.

[jcxz 253]

1 час назад, Arlleex сказал:

Эти диапазоны моим алгоритмом не обрабатываются, поэтому такие символы будут просто пропущены. Чего мне и достаточно.

Ну хорошо, с длинным - ок. Но остаётся ещё порядок байт. Который переключается специальным управляющим символом = U+FEFF.

[Arlleex 209]

Я полагаю, это формат UTF + BOM, у нас строго без BOM. Фактически, программист удаленной железки оперирует только строкой, никаких текстовых файлов не шлется. Ну и мы договорились о стандартном little endian. По крайней мере, у нас утвержден такой порядок.