如何解码多字节utf8字符串？ （C++）

Question

我试图建立一套帮助函数来解码和修改多字节utf-8字符串。例如，查找字符串中的字符数量，并查找特定字符的字节偏移量。

我一直在寻找解决方案一段时间，但一直未能弄清楚。 如果任何人都可以给我看一个跨平台和便携式的方式来做到这一点，只有使用STL 我真的很感激。此外，如果有一个C++ 11的方式来做到这一点，我也打开。

Answer 1

你应该阅读和UTF-8研究的维基百科页面，编码是清楚的描述thereL https://en.wikipedia.org/wiki/UTF-8

为了解码UTF-8，读取第一个字节，而应该告诉你很多后续字节是如何形成的字符。然后阅读许多其他字节，连接“数据”位，并且您将获得编码点编号。

如果你这样做，直到你到达字符串的末尾，这允许你计算字符串中有多少个代码点。

如果你这样做直到你达到某个代码点索引，你就会知道该代码点索引的字节偏移量。

我不认为真的有任何STL功能可以帮助您，除了您的基本std::string::const_iterator。

至于非标准库，我高度推荐使用unicode库，如ICU，或者不要自己编写代码。如果你非常小心的话.Net库有点类似工作，但我不认为Windows有任何其他API可以帮助解决这个问题。