如何在linux上調試時顯示Unicode字符串？

Question

作爲使用MS Visual Studio 作爲工作平臺的C++ Developer，我已經工作了幾年。由於我私下更喜歡使用linux，所以我最近也採用了 的機會將我的工作環境轉移到linux。 由於我幾年來一直在優化我的Windows環境， 當然，結果發現有幾件事情沒有按預期工作或沒有按預期工作。 因此，我有一些問題，我不能與有用的答案來。

讓我們開始下面的問題，稍後可能會出現不同的問題。 這個問題是我已經偶然發現了幾次， 每當我被迫在非Windows平臺上調試特定於平臺的錯誤。

簡單地說：如何在Linux上調試時顯示Unicode（UCS2編碼）字符串？

現在我已經計算了一些更多細節。我們的庫interally使用基於Unicode String類，它編碼每個字符的16位Unicode值（但我們不這樣做 支持多字的編碼，因此，我們基本上只能使用UCS2可編碼子UTF16的 ，但是這包括幾乎所有使用無論如何腳本）。 這已經引起了一個問題，因爲大多數平臺（即linux/unix）認爲 wchar_t類型由4個字節組成，而在Windows上它只有2個字節，因此我不能簡單地將內部字符串緩衝區轉換爲（wchar_t *），所以我不確定， 如果這真的會幫助任何調試器。

對於gdb我已經想通了，我可以從調試的代碼調用函數到 打印調試消息。因此，我在我們的lib中插入了一個特殊函數， 可以任意轉換字符串數據並將其寫入新的緩衝區。 目前，我將我們的內部緩衝區轉碼爲utf8，因爲我認爲 最有可能工作。

但到目前爲止，這只是部分地解決了這個問題：如果字符串是拉丁語， 話，我現在得到一個可讀的輸出（而一個不能直接打印拉丁 數據如果是16位編碼），但我也有處理其他腳本 （fe CJK（又名Hansi/Kanji），西里爾文，希臘語...）和處理我的意思是 我必須使用這樣的腳本專門調試數據，因爲使用的腳本直接影響控制流程 。 當然，在這些情況下，我只能看到與構成utf8字符的多個 字節對應的ISO字符，這使得調試CJK數據更加神祕，然後正確顯示字符串。

通常gdb允許設置多個主機和目標編碼，因此它應該是 是可能的，以將正確編碼的utf8數據流發送到控制檯。

但我當然更喜歡使用IDE進行調試。目前我正在嘗試 與eclipse和CDT交朋友，但爲了調試，我也測試了kdgb。 在這兩個應用程序中，我至今只能獲得錯誤解碼的utf8數據。 另一方面，我曾經在一個Windows平臺 上eclipse中調試過一個java項目，並且所有內部字符串都被正確顯示（但是這個應用程序不是使用我們的lib和相應的字符串的 ），因此至少在某些情況下，eclipse可以使用 顯示unicode字符正確。

最討厭的點對我來說，到目前爲止我甚至不能拿出 任何證據，這顯示真正的Unicode數據（即非ISO字符）是Linux在任何安裝工作 （即連GDB爲將QString腳本我發現，似乎 只顯示拉丁字符，並跳過其餘的），但當然 的幾乎每一個Linux應用程序似乎支持Unicode數據，從而有 必須被周圍的人，在Linux平臺，調試真正的Unicode數據 ，我真的無法想象，他們都是讀書hexcodes，而不是直接 顯示unicode字符串。

因此，任何指向允許調試unicode字符串的設置的指針，基於任何其他字符串類（f.e.QString）和/或IDE的 也將被理解。

Answer 1

我假設你正在X？是否安裝了正確的字體？

如果在控制檯上，您使用的幀緩衝作爲終端設備？ VGA文本模式最多隻能顯示256/512個字符。 （512 IIRC的情況下吃了一點的色彩空間的）

Answer 2

大多數Linux發行版往往有出色的Unicode支持。但是，我會說在Linux上使用UTF16是一個錯誤。我意識到這很自然，來自Windows環境，但它會讓你在Linux上更加困難。

只要你的位置設置爲Unicode，是微不足道的使用wprintf或wcout輸出UTF-32字符串（wchar_t的字符串），當然你也可以使用正常的輸出設備輸出的UTF-8字符串。然而，UTF-16你基本上限於構建使用int16_t，其中，因爲你已經發現，將是很難在調試器來打印自定義字符串類。

你提到創建它轉換爲UTF-16 UTF-8進行調試的目的，功能，但是變長字符，很難對付。爲什麼不簡單地創建一個將UTF16轉換爲UTF32的函數，因此每個Unicode代碼點都是一個字符？這樣你可以使用寬字符輸出來讀取字符串。 GDB不允許默認輸出寬字符字符串，但您可以使用this simple script修復該字符串。

Answer 3

Charles Salvia上面提到的簡單腳本「wchar.gdb」幫助了我，但幾年後很難找到（鏈接在文章中斷），因此我將粘貼ist在這裏。該腳本還演示了gdb中內置的一些鮮爲人知的宏功能。

define wchar_print 
    echo " 

    set $i = 0 
    while (1 == 1) 
      set $c = (char)(($arg0)[$i++]) 
      if ($c == '\0') 
        loop_break 
      end 
      printf "%c", $c 
    end 

    echo "\n 
end 


document wchar_print 
wchar_print <wstr> 
Print ASCII part of <wstr>, which is a wide character string of type wchar_t*. 
end 

Answer 4

電流GDB dersions可以顯示16位寬的字符數據直接地： 如果程序不使用wchar_t的（32位）的數據類型在所有， 例如它使用寬數據類型UChar（16位）的ICU庫（Unicode的國際組件）， 您可以將gcc選項-fshort-wchar設置爲無符號短整型，將wchar_t和寬字體（L「abc」，L'd'） （16位）。 因此，不必調用wchar_t glibc函數。 如果目標程序中至少定義了一個wchar_t啞變量，則gdb可以顯示wchar_t（16位）字符數據。 示例GDB會話：

short-wchar.c: 
#include <wchar.h> 
wchar_t wchr; 
main() { printf("sizeof(L'a') = %d\n", sizeof(L'a')); return 0; } 
gcc -g -fshort-wchar short-wchar.c -o short-wchar 
# terminal session encoding utf-8 assumed 
gdb short-wchar 
GNU gdb (Ubuntu 7.7.1-0ubuntu5~14.04.2) 7.7.1 
    (gdb) show charset 
    The host character set is "auto; currently UTF-8". 
    The target character set is "auto; currently UTF-8". 
    The target wide character set is "auto; currently UTF-32". 
    (gdb) set target-wide-charset UTF-16 
    (gdb) p L"Škoda" 
    $1 = L"Škoda" 
    (gdb) p (wchar_t*) (some UChar string) 
    .... 

的一個原因爲在所有平臺上使用的16位的wchar_t是跨平臺的一致性， 見ICU，OCI（Oracle調用接口在寬模式）和Java數據類型char。