C++如何计算文本中中文字符的个数-C++-PHP中文网

判断中文字符需按utf-8字节规则检测：首字节在0xe0–0xef且后续两字节均在0x80–0xbf，即为合法三字节中文字符，遍历string逐字节解析即可。

c++如何计算文本中中文字符的个数

如何判断一个 char 是否属于中文字符

在 C++ 中，char 是单字节类型，无法直接表示 UTF-8 编码下的中文字符（通常占 3 字节），更不能用 iswalpha 或 std::iswalnum 直接判断——这些宽字符函数依赖 std::locale 和正确的 setlocale 设置，且输入必须是 wchar_t。直接对 char* 按字节遍历并检查高位比特，是最轻量、最可控的方式。

UTF-8 中文字符的首字节范围是 0xE0–0xEF（对应三字节字符），后续两字节均为 0x80–0xBF。只要检测到合法的 UTF-8 三字节序列开头，就可计为一个中文字符。

不要用 std::string::size() 除以 3 估算：ASCII 混入时结果完全错误
不要对每个 char 单独调用 iswprint：未设置 locale 时行为未定义，且会把全角 ASCII、日文假名等也计入
若输入可能含 GBK 编码（如 Windows 控制台默认），需先明确编码；UTF-8 是现代首选，本文默认此前提

用 for 循环手动解析 UTF-8 字节流

核心逻辑是：遍历 std::string 的每个 unsigned char，根据首字节判断是否为 UTF-8 三字节中文字符开头，并跳过后续两字节。

int count_chinese(const std::string& s) {
    int count = 0;
    for (size_t i = 0; i = 0xE0 && b = 0x80 && b1 = 0x80 && b2 
<p>这段代码不依赖外部库或 locale，适用于 C++11 及以上。注意必须用 <code>unsigned char</code> 强转，否则 <code>char</code> 在某些平台为 signed，<code>0xE0</code> 会被解释为负数，比较失效。</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/gongju/2823" title="C++14"><img
														src="https://img.php.cn/upload/manual/001/431/639/6ac8b33c327c4749.png" alt="C++14" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/gongju/2823" title="C++14" class="overflowclass">C++14</a>
													<p class="overflowclass">C++14 对 C++11 的修正与增强版本，适合旧系统维护和较老工具链兼容。</p>
												</div>
												<a rel="nofollow" href="/xiazai/gongju/2823" title="C++14" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div>

<h3>使用 ICU 库做更严谨的 Unicode 判定</h3>
<p>如果项目已引入 ICU（International Components for Unicode），可用 <code>icu::UnicodeString</code> 和 <code>u_charType</code> 精确识别汉字（包括扩展区、兼容汉字、部首等）：</p>
<pre class="brush:php;toolbar:false;">
#include <unicode>
#include <unicode>

int count_chinese_icu(const std::string& utf8) {
    icu::UnicodeString ustr = icu::UnicodeString::fromUTF8(icu::StringPiece(utf8.c_str(), utf8.size()));
    int count = 0;
    for (int32_t i = 0; i 
<p>ICU 的优势在于能区分日文平假名、韩文、汉字等 script，且支持 Unicode 最新版本。但引入 ICU 增加编译和部署复杂度，小项目不推荐仅为此功能接入。</p>

<h3>容易忽略的边界情况</h3>
<p>实际文本中常见干扰项，稍不注意就会多计或漏计：</p>
<ul>
<li>
<code>std::string</code> 含 BOM（<code>0xEF 0xBB 0xBF</code>）：开头三个字节会被误判为一个中文字符 → 应先剥离 BOM</li>
<li>混合 emoji（如 ? 占 4 字节）：UTF-8 四字节首字节是 <code>0xF0</code>–<code>0xF7</code>，不会与中文冲突，但若逻辑写成“非 ASCII 就计数”，就会错把 emoji 当中文</li>
<li>半宽/全宽 ASCII（如 Ａ）：属于 Unicode 全角字符，<code>U+FF21</code> 等，script 也是 <code>USCRIPT_LATIN</code>，不应计入“中文字符” —— 若需求是“所有中文语境常用字符”，则需额外规则</li>
<li>Windows 控制台输出乱码：不是计算问题，而是终端未启用 UTF-8（<code>SetConsoleOutputCP(65001)</code>）或字体不支持，别误以为计数出错</li>
</ul>
<p>真正难的不是写个循环，而是厘清“中文字符”的业务定义：是仅指 GB2312 覆盖字？还是 Unicode 的 CJK Unified Ideographs？是否包含异体字、康熙字典部首？这些决定了该用字节规则，还是 ICU，还是自建字表。</p></unicode></unicode>

C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！