如何解碼多字節utf8字符串？ （C++）

Question

我試圖建立一套幫助函數來解碼和修改多字節utf-8字符串。例如，查找字符串中的字符數量，並查找特定字符的字節偏移量。

我一直在尋找解決方案一段時間，但一直未能弄清楚。 如果任何人都可以給我看一個跨平臺和便攜式的方式來做到這一點，只有使用STL 我真的很感激。此外，如果有一個C++ 11的方式來做到這一點，我也打開。

Answer 1

你應該閱讀和UTF-8研究的維基百科頁面，編碼是清楚的描述thereL https://en.wikipedia.org/wiki/UTF-8

爲了解碼UTF-8，讀取第一個字節，而應該告訴你很多後續字節是如何形成的字符。然後閱讀許多其他字節，連接「數據」位，並且您將獲得編碼點編號。

如果你這樣做，直到你到達字符串的末尾，這允許你計算字符串中有多少個代碼點。

如果你這樣做直到你達到某個代碼點索引，你就會知道該代碼點索引的字節偏移量。

我不認爲真的有任何STL功能可以幫助您，除了您的基本std::string::const_iterator。

至於非標準庫，我高度推薦使用unicode庫，如ICU，或者不要自己編寫代碼。如果你非常小心的話.Net庫有點類似工作，但我不認爲Windows有任何其他API可以幫助解決這個問題。