Wie kann man die Länge einer UTF-8-codierten Zeichenfolge in C genau bestimmen?

Bestimmen der UTF-8-codierten String-Länge

In C kann die std::string-Codierung variieren und die Funktion length() verwenden Eine UTF-8-codierte Zeichenfolge kann zu einer ungenauen Darstellung ihrer tatsächlichen Länge führen. Um die richtige Länge zu ermitteln, berücksichtigen Sie die folgenden Bytesequenzmuster:

0x00000000 - 0x0000007F:
       0xxxxxxx

0x00000080 - 0x000007FF:
       110xxxxx 10xxxxxx

0x00000800 - 0x0000FFFF:
       1110xxxx 10xxxxxx 10xxxxxx

0x00010000 - 0x001FFFFF:
       11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

So berechnen Sie die tatsächliche Länge einer UTF-8-codierten Zeichenfolge:

1. Initialisieren Sie eine Variable len auf 0 .
2. Durchlaufen Sie die Zeichenfolge Zeichen für Zeichen.
3. Überprüfen Sie für jedes Zeichen, ob es dem Bytesequenzmuster für ein Einzelbyte-Zeichen (0xxxxxxx) folgt.
4. Wenn Wenn dies der Fall ist, erhöhen Sie len um 1.
5. Andernfalls überspringen Sie das/die aktuelle(n) und nächste(n) Byte(s).

Der folgende Codeausschnitt veranschaulicht die Implementierung:

<code class="cpp">int len = 0;
const char *s = str.c_str(); // convert to C-style string
while (*s) len += (*s++ & 0xc0) != 0x80;</code>

Das obige ist der detaillierte Inhalt vonWie kann man die Länge einer UTF-8-codierten Zeichenfolge in C genau bestimmen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!