使用<utf8.h>
从http://utfcpp.sourceforge.net/你可以编写:
static inline void fix_utf8_string(std::string& str)
{
std::string temp;
utf8::replace_invalid(str.begin(), str.end(), back_inserter(temp));
str = temp;
}
static inline bool valid_utf8_cstr(const char*s)
{
if (!s) return false;
const char* e = s+strlen(s);
return utf8::is_valid(s,e);
}
static inline size_t
utf8_length(const char*s)
{
if (!s) return 0;
const char* e = s+strlen(s);
return utf8::distance(s,e);
}
// apply a function to every code point, exiting if that function
// gives true and return the number of visited code points
static inline size_t
utf8_foreach_if(const char*s,
std::function<bool(uint32_t,size_t)>f)
{
if (!s) return 0;
size_t ix=0;
const char*pc = s;
while(*pc)
{
const char*epc
= (pc[1]==0)?(pc+1):(pc[2]==0)
?(pc+2):(pc[3]==0)?(pc+3):(pc+4);
uint32_t c = utf8::next(pc,epc);
if (f(c,ix)) break;
ix++;
};
return ix;
}
static inline size_t
utf8_foreach_if(const std::string& s,
std::function<bool(uint32_t,size_t)>f)
{
if (s.empty()) return 0;
size_t ix=0;
const char*pc = s.c_str();
const char*epc = pc + s.size();
while(*pc)
{
uint32_t c = utf8::next(pc,epc);
if (f(c,ix)) break;
ix++;
};
return ix;
}
这是从一些代码以GPLv3许可,我会在几周或几个月内释放提取。
你知道怎么去,而不是UTF-8,的codecvt为系统本地编码? – lvella
@lvella:您可以使用['mbrtoc32'](http://en.cppreference.com/w/cpp/string/multibyte/mbrtoc32)将系统的窄编码转换为UTF32。链接页面底部的表格显示了所有可用的组合。 ([我不确定](http://stackoverflow.com/questions/7562609/what-does-cuchar-provide-and-where-is-it-documented)如果''被广泛实施,但。 ) –
@lvella系统的本地编码而不是UTF-8?如果您的意思是像GB18030(另一种8位Unicode格式),那么您可以使用codecvt_byname或使用use_facet将其从语言环境中提取出来。 [这个例子](http://en.cppreference.com/w/cpp/locale/wstring_convert/wstring_convert)展示了如何使用它构建一个wstring_convert。 – Cubbi