C++中,解析UTF-8字符的位置。

在C++的char*以及string中,使用的是字节流编码,即sizeof(char) == 1。

也就是说,C++是不去分字符的编码的。

而一个合法UTF8的字符长度可能为1~4位。

现在假设一串输入为UTF8编码,如何能准确的定位到每个UTF8字符的“CharPoint”,而不会错误的分割字符呢?

参考这个页面:http://www.nubaria.com/en/blog/?p=289

可以改造出下面的函数:

每次传入当前UTF8流的第一个char,然后会根据UTF-8的编码结构,返回这个utf8编码的字符占用了多少字节。也即charpoint的位置。

Leave a Reply

Your email address will not be published.