UTF-8中的std :: string的子串？ C++ 11

Question

我需要獲取std :: string中前N個字符的子字符串，假定它是utf8。 我學會了很難的方式，.substr不能正常工作......因爲......預計。

參考：我的琴絃很可能是這樣的：使命：\ n \ N1億2千萬匹

Answer 1

我found此代碼，我只是嘗試一下。

std::string utf8_substr(const std::string& str, unsigned int start, unsigned int leng) 
{ 
    if (leng==0) { return ""; } 
    unsigned int c, i, ix, q, min=std::string::npos, max=std::string::npos; 
    for (q=0, i=0, ix=str.length(); i < ix; i++, q++) 
    { 
     if (q==start){ min=i; } 
     if (q<=start+leng || leng==std::string::npos){ max=i; } 

     c = (unsigned char) str[i]; 
     if  (
       //c>=0 && 
       c<=127) i+=0; 
     else if ((c & 0xE0) == 0xC0) i+=1; 
     else if ((c & 0xF0) == 0xE0) i+=2; 
     else if ((c & 0xF8) == 0xF0) i+=3; 
     //else if (($c & 0xFC) == 0xF8) i+=4; // 111110bb //byte 5, unnecessary in 4 byte UTF-8 
     //else if (($c & 0xFE) == 0xFC) i+=5; // 1111110b //byte 6, unnecessary in 4 byte UTF-8 
     else return "";//invalid utf8 
    } 
    if (q<=start+leng || leng==std::string::npos){ max=i; } 
    if (min==std::string::npos || max==std::string::npos) { return ""; } 
    return str.substr(min,max); 
} 

更新：這很適合於我目前的問題。我必須將它與get-length-of-utf8encoded-stdsstring函數混合使用。

這種解決方案有一些警告它吐口水在我的編譯器：

Answer 2

你可以使用升壓/區域設置庫utf8的字符串轉換爲wstring的。然後用正常.substr（）方法：

#include <iostream> 
#include <boost/locale.hpp> 

std::string ucs4_to_utf8(std::u32string const& in) 
{ 
    return boost::locale::conv::utf_to_utf<char>(in); 
} 

std::u32string utf8_to_ucs4(std::string const& in) 
{ 
    return boost::locale::conv::utf_to_utf<char32_t>(in); 
} 

int main(){ 

    std::string utf8 = u8"1億2千萬匹"; 

    std::u32string part = utf8_to_ucs4(utf8).substr(0,3); 

    std::cout<<ucs4_to_utf8(part)<<std::endl; 
    // prints : 1億2 
    return 0; 
} 

Answer 3

基於this答案我已經寫了我的UTF8字符串函數：

void utf8substr(std::string originalString, int SubStrLength, std::string& csSubstring) 
{ 
    int len = 0, byteIndex = 0; 
    const char* aStr = originalString.c_str(); 
    size_t origSize = originalString.size(); 

    for (byteIndex=0; byteIndex < origSize; byteIndex++) 
    { 
     if((aStr[byteIndex] & 0xc0) != 0x80) 
      len += 1; 

     if(len >= SubStrLength) 
      break; 
    } 

    csSubstring = originalString.substr(0, byteIndex); 
}