まず、オンラインで見つけたいくつかの参考資料を共有しましょう。
mxChar
説明によると、
MATLABは、マルチバイト文字セットを備えたマシンに文字を2バイトUnicode文字として格納します
それでも、MBCSという用語は私には多少あいまいですが、このコンテキストではUTF-16を意味していると思います(ただし、代理ペアについてはわかりませんが、おそらく代わりにUCS-2になります)。
更新: MathWorksは文言を次のように変更しました:
MATLABは、Unicode文字に16ビットの符号なし整数文字エンコードを使用します。
このmxArrayToString
ページには、マルチバイトでエンコードされた文字(mxGetString
シングルバイトのエンコードスキームのみを処理するリンク解除)が処理されると記載されています。残念ながら、これを行う方法の例はありません。
最後に、これに関連するいくつかの文書化されていない関数について言及しているMATLABニュースグループのスレッドがあります(WindowsのDependency Walkerlibmx.dll
などのツールにライブラリをロードすることでそれらを見つけることができます)。
これが私がMEXで行った小さな実験です:
my_func.c
#include "mex.h"
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
{
char str_ascii[] = {0x41, 0x6D, 0x72, 0x6F, 0x00}; // {'A','m','r','o',0}
char str_utf8[] = {
0x41, // U+0041
0xC3, 0x80, // U+00C0
0xE6, 0xB0, 0xB4, // U+6C34
0x00
};
char str_utf16_le[] = {
0x41, 0x00, // U+0041
0xC0, 0x00, // U+00C0
0x34, 0x6C, // U+6C34
0x00, 0x00
};
plhs[0] = mxCreateString(str_ascii);
plhs[1] = mxCreateString_UTF8(str_utf8); // undocumented!
plhs[2] = mxCreateString_UTF16(str_utf16_le); // undocumented!
}
ASCII、UTF-8、UTF-16LEでそれぞれエンコードされたCコードで3つの文字列を作成します。mxCreateString
次に、 MEX関数(およびその他の文書化されていないバージョン)を使用して、それらをMATLABに渡します。
Fileformat.info Webサイトを参照してバイトシーケンスを取得しました:
A(U + 0041)、À(U + 00C0)、および水(U + 6C34)。
上記の関数をMATLAB内でテストしてみましょう。
%# call the MEX function
[str_ascii, str_utf8, str_utf16_le] = my_func()
%# MATLAB exposes the two strings in a decoded form (Unicode code points)
double(str_utf8) %# decimal form: [65, 192, 27700]
assert(isequal(str_utf8, str_utf16_le))
%# convert them to bytes (in HEX)
b1 = unicode2native(str_utf8, 'UTF-8')
b2 = unicode2native(str_utf16_le, 'UTF-16')
cellstr(dec2hex(b1))' %# {'41','C3','80','E6','B0','B4'}
cellstr(dec2hex(b2))' %# {'FF','FE','41','00','C0','00','34','6C'}
%# (note that first two bytes are BOM markers)
%# show string
view_unicode_string(str_utf8)
文字列を表示するための埋め込みJava機能:
function view_unicode_string(str)
%# create Swing JLabel
jlabel = javaObjectEDT('javax.swing.JLabel', str);
font = java.awt.Font('Arial Unicode MS', java.awt.Font.PLAIN, 72);
jlabel.setFont(font);
jlabel.setHorizontalAlignment(javax.swing.SwingConstants.CENTER);
%# place Java component inside a MATLAB figure
hfig = figure('Menubar','none');
[~,jlabelHG] = javacomponent(jlabel, [], hfig);
set(jlabelHG, 'Units','normalized', 'Position',[0 0 1 1])
end
次に、逆方向に作業してみましょう(MATLABからCへの文字列を受け入れます)。
my_func_reverse.c
#include "mex.h"
void print_hex(const unsigned char* s, size_t len)
{
size_t i;
for(i=0; i<len; ++i) {
mexPrintf("0x%02X ", s[i] & 0xFF);
}
mexPrintf("0x00\n");
}
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
{
char *str;
if (nrhs<1 || !mxIsChar(prhs[0])) {
mexErrMsgIdAndTxt("mex:error", "Expecting a string");
}
str = mxArrayToString_UTF8(prhs[0]); // get UTF-8 encoded string from Unicode
print_hex(str, strlen(str)); // print bytes
plhs[0] = mxCreateString_UTF8(str); // create Unicode string from UTF-8
mxFree(str);
}
そして、MATLABの内部からこれをテストします。
>> s = char(hex2dec(['0041';'00C0';'6C34'])'); %# "\u0041\u00C0\u6C34"
>> ss = my_func_reverse(s);
0x41 0xC3 0x80 0xE6 0xB0 0xB4 0x00 %# UTF-8 encoding
>> assert(isequal(s,ss))
uint8
最後に、何らかの理由でまだ問題が発生している場合は、MATLABからエンジンプログラムに渡す前に、非ASCII文字列をデータ型に変換するのが最も簡単な方法です。
したがって、MATLABプロセス内で次のことを行います。
%# read contents of a UTF-8 file
fid = fopen('test.txt', 'rb', 'native', 'UTF-8');
str = fread(fid, '*char')';
fclose(fid);
str_bytes = unicode2native(str,'UTF-8'); %# convert to bytes
%# or simply read the file contents as bytes to begin with
%fid = fopen('test.txt', 'rb');
%str_bytes = fread(fid, '*uint8')';
%fclose(fid);
次のようにエンジンAPIを使用して変数にアクセスします。
mxArray *arr = engGetVariable(ep, "str_bytes");
uint8_T *bytes = (uint8_T*) mxGetData(arr);
// now you decode this utf-8 string on your end ...
すべてのテストは、デフォルトの文字セットを使用してR2012bを実行しているWinXPで実行されました。
>> feature('DefaultCharacterSet')
ans =
windows-1252
お役に立てれば..
編集:
MATLAB R2014aでは、ドキュメント化されていない多くのC関数libmx
(上記で使用されているものを含む)がライブラリから削除され、名前空間で公開されている同等のC++関数に置き換えられましたmatrix::detail::noninlined::mx_array_api
。
上記の例(ここで説明)を調整して、最新のR2014aバージョンで実行するのは簡単です。