如何從字符串使用C獲取Utf-8字符？

Question

舊問題：How SubString,Limit Using C?，但沒有人沒有回答我的問題。

我想從一個字符串中獲得一個索引。

我的字符串可能包含符號和UTF-8字符（如：ß）。字符串我

速度是很重要的。

1＃：w_char_t數據類型適合我？

2＃：如何從utf-8字符串獲取字符？

#include <stdio.h> 
#include <stdlib.h> 
#include <wchar.h> 
#include <string.h> 

int main() 
{ 
wchar_t *msg1 = L"ßC Programming"; 
//wprintf(L" vals> %Ls\n",msg1); 
//wprintf(L" vals> %s\n",msg1); 
printf(" vals> %Ls %S\n",msg1,msg1);//dont show any=====>BUG 
printf(" val> %Lc\n",msg1[1]);//show `C` 
printf(" val> %Lc\n",msg1[0]);//dont show any=====>BUG 
printf("\n"); 
///////////////////////////////// 
char *msg2 = "ßC Programming"; 
printf(" vals> %s\n",msg2);//show `ßC Programming` 
printf(" val> %c\n",msg2[1]);//show `�`=====>BUG 
printf(" val> %c\n",msg2[0]);//show `�`=====>BUG 
printf("\n"); 
} 

請指導我解決問題。

Answer 1

wchar_t可以是一個選項。不過，你應該知道它使用的編碼。如果它是16位寬，則使用utf-16（通用，但不能保證），並且您使用的編碼點等於或高於0x10000（U + 10000），則您再次遇到同樣的問題...

I儘管如此，個人寧願保持正常字符。

問題是現在，如何檢測多字節字符。你可以通過查看最重要的位來發現它們：如果沒有設置，你有一個正常的字符（ASCII兼容...），如果它被設置，該字節是多字節字符的一部分。

如果第二個MSB也被設置，它也是一個多字節序列的起始字節，如果它沒有設置，它是一個後續字節。

一個格式UTF-8的多字節序列的如下：

第一字節：N最顯著位被設置爲1指定整個序列多少字節包含，接着是零位。剩餘位是你的unicode代碼點的最重要的位。

每個後續字節都有10位作爲最高有效位，其餘6位是您的代碼點的下一個最高有效位。

示例字母'ß'：它具有unicode代碼點0xdf，二進制0b11011111。

需要8位，不配合，將7的單字節字符，所以我們需要把它分解：

11 + 011111 

我們總共需要兩個字節，所以我們需要添加字節頭110和10;然後第一個字節必須填寫了零：

110 000 11 + 10 011111 

所以，你得到的字節序列0b11000011，0b10011111（十六進制：0xc3，0x9f）。

雖然圖書館有這方面的幫助。例如，您可能對ICU感興趣。