strcmp 会按代码点顺序比较 utf-8 字符串吗？

Question

在 C 程序中，我想按 Unicode 代码点顺序对有效的 UTF-8 编码字符串列表进行排序。没有排序规则，没有区域感知。

所以我需要一个比较功能。编写这样一个遍历 unicode 字符的函数很容易。 （我碰巧在使用GLib，所以我会用g_utf8_next_char 迭代并比较g_utf8_next_char 的返回值。）

但出于好奇以及可能的简单性和效率，我想知道的是：一个简单的逐字节strcmp（或g_strcmp）实际上会做同样的工作吗？我认为它应该，因为 UTF-8 encodes 首先是最高有效位，并且需要以 N+1 字节编码的代码点将具有比需要以 N 编码的代码点更大的初始字节字节。

但也许我错过了什么？提前致谢。

Answer 1

是的，UTF-8 保留了代码点顺序，因此您可以使用 strcmp。这是 UTF-8 的（许多）优点之一。

需要注意的是，Unicode 中的 codepoints 是 UTF-32 值，而一些谈论按“codepoint”顺序整理 Unicode 字符串的人实际上错误地使用了“codepoint”这个词来表示“UTF -16 代码单元”。如果您希望订单匹配 UTF-16 代码单元排序规则，则需要做更多的工作。