如何在 C 中計算 UTF-8 字串的實際長度？

計算UTF-8 字串的實際長度

在使用UTF-8 編碼的std::string 物件時，開發人員經常遇到str.length() 傳回的值與字串中的實際字元數之間的差異。這是因為 str.length() 只是計算字串中的位元組數，沒有考慮用於表示 UTF-8 字元的多位元組編碼。

UTF-8 編碼定義了一組位元組序列用於表示 Unicode 字元。每個字元可由一到四個位元組表示，具體取決於其 Unicode 代碼點。這些位元組序列的結構如下：

• 1 位元組序列 (0x00-0x7F): 直接表示 ASCII 字元。
• 2 位元組序列 (0x80-0xBF): 表示碼位元從 0x0080 到 0x07FF 的字元。
• 3 位元組序列 (0xC0-0xDF): 表示碼位從 0x0800 到 0x0800 的字元0xFFFF。
• 4 位元組序列 (0xE0-0xFF)： 表示代碼點從 0x10000 到 0x10FFFF 的字元。

計算實際長度

UTF-8 編碼字串的實際長度可以透過計算字串中第一位元組的數量來決定，這些位元組是與模式10xxxxxx 不符的位元組。此模式表示連續字節，用於表示多字節序列。

程式碼片段

<code class="cpp">int len = 0;
while (*s) len += (*s++ & 0xc0) != 0x80;</code>

在此程式碼中，while 循環迭代字串，對於遇到的每個第一個位元組，長度len 計數加1。

以上是如何在 C 中計算 UTF-8 字串的實際長度？的詳細內容。更多資訊請關注PHP中文網其他相關文章！