如何解码多字节 utf8 字符串？ (C++)答案

【问题标题】：How to decode a multibyte utf8 string? (C++)如何解码多字节 utf8 字符串？ (C++)
【发布时间】：2013-07-26 17:20:51
【问题描述】：

我正在尝试构建一组用于解码和修改多字节 utf-8 字符串的辅助函数。例如，查找字符串中的字符数量，以及查找特定字符的字节偏移量。

我一直在寻找解决方案，但一直无法弄清楚。如果有人可以向我展示仅使用 STL 的跨平台和可移植方式我真的很感激。此外，如果有 c++11 方法可以做到这一点，我也对此持开放态度。

【问题讨论】：

【解决方案1】：

你应该阅读和研究关于 UTF-8 的维基百科页面，那里清楚地描述了编码Lhttps://en.wikipedia.org/wiki/UTF-8

要解码 UTF-8，请读取第一个字节，这应该会告诉您有多少后续字节构成该字符。然后读入许多其他字节，连接“数据”位，您将获得代码点编号。

如果您这样做直到到达字符串的末尾，这允许您计算字符串中有多少个代码点。

如果您这样做直到达到某个代码点索引，您将知道该代码点索引的字节偏移量。

我认为除了基本的 std::string::const_iterator 之外，没有任何 STL 功能可以帮助解决这个问题。

对于非标准库，我强烈建议使用 unicode 库，例如 ICU，或者不要自己编写代码。如果你小心点，.Net 库有点工作，但我认为 Windows 没有任何其他 API 可以帮助解决这个问题。

【讨论】：