C++中可正确获取UTF-8字符长度的函数分享
在C++的char*以及string中,使用的是字节流编码,即sizeof(char)==1。
也就是说,C++是不区分字符的编码的。
而一个合法UTF8的字符长度可能为1~4位。
现在假设一串输入为UTF8编码,如何能准确的定位到每个UTF8字符的“CharPoint”,而不会错误的分割字符呢?
参考这个页面:http://www.nubaria.com/en/blog/?p=289
可以改造出下面的函数:
constunsignedcharkFirstBitMask=128;//1000000 constunsignedcharkSecondBitMask=64;//0100000 constunsignedcharkThirdBitMask=32;//0010000 constunsignedcharkFourthBitMask=16;//0001000 constunsignedcharkFifthBitMask=8;//0000100 intutf8_char_len(charfirstByte) { std::string::difference_typeoffset=1; if(firstByte&kFirstBitMask)//Thismeansthefirstbytehasavaluegreaterthan127,andsoisbeyondtheASCIIrange. { if(firstByte&kThirdBitMask)//Thismeansthatthefirstbytehasavaluegreaterthan224,andsoitmustbeatleastathree-octetcodepoint. { if(firstByte&kFourthBitMask)//Thismeansthatthefirstbytehasavaluegreaterthan240,andsoitmustbeafour-octetcodepoint. offset=4; else offset=3; } else { offset=2; } } returnoffset; }