检查 UTF-8 字符串在 Qt 中是否有效答案

【问题标题】：Check if UTF-8 string is valid in Qt检查 UTF-8 字符串在 Qt 中是否有效
【发布时间】：2013-08-16 03:46:51
【问题描述】：

在 Qt 中，有没有办法检查字节数组是否是有效的 UTF-8 序列？

似乎QString::fromUtf8() 默默地抑制或替换了无效序列，而没有通知调用者有任何序列。这是来自其文档：

但是，无效序列可能与 UTF-8，如果发现任何此类，它们将被替换为一个或更多“替换字符”，或被抑制。

【问题讨论】：

我怀疑要检查 UTF8 字符串的有效性，您需要使用 Unicode 库。
我找到了这个代码 sn-p: [github.com/JulienPalard/is_utf8].它可能很有用。
链接显示“找不到页面”

【解决方案1】：

尝试使用QTextCodec::toUnicode 并传递ConverterState 实例。 ConverterState 有像invalidChars 这样的成员。虽然它们没有通过 doxygen 记录，但我认为它们是公共 API，正如 QTextCodec 文档中提到的那样。

示例代码：

QTextCodec::ConverterState state;
QTextCodec *codec = QTextCodec::codecForName("UTF-8");
const QString text = codec->toUnicode(byteArray.constData(), byteArray.size(), &state);
if (state.invalidChars > 0) {
    qDebug() << "Not a valid UTF-8 sequence.";
}

【讨论】：

谢谢，这让我找到了正确的方向。事实证明，使用QTextCodec::codecForUtfText() 有一种更简单的方法，如果没有适合文本的 UTF 编码，它允许您指定默认编解码器。我将QTextCodec::codecForLocale() 指定为默认编解码器。
这不像我预期的那样工作。如果 byteArray 中有嵌入的零，则只检查第一个零的有效性。我希望继续验证到最后，为什么要提供大小？我知道我之前可以检查字节数组是否包含 '\0' 但这意味着性能会降低。这应该被视为 Qt 中的错误吗？
@Gneuromante：我不这么认为，因为字节值 0 是 UTF-8 编码字符串的空终止符。文档没有说可以将数据解释为一组用 0 终止符分隔的字符串。如果您知道数据可以包含多个字符串，我认为您应该自己将数据拆分为单独的字符串。

【解决方案2】：

ConverterState 方式（已由 Frank Osterfeld 报告 here）即使文本没有“BOM（字节顺序标记）”（*）也有效。

(*) 与 QTextCodec::codecForUtfText() 不同，后者需要在文本中添加 BOM 才能知道它在 Utf-8 中。

【讨论】：