问如何用C语言对汉字(UTF-8)进行操作？

EN

UTF-8的优点之一是，如果您找到一个有效的ASCII字符(特别是<128)的字节，则该字节表示该ASCII字符。因此，您可以在+字符处拆分，就像您有一个单字节编码字符串一样。

在您的例子中，比较也是简单的字节比较。当你不得不担心规范形式或区分大小写时，情况就变得更加困难了，但据我所知，这两种方法都不适用于中文。(当然，您可能要将不同的字符视为相同的字符，例如気和氣。如果是的话，首先用标准的搜索和替换来规范字符串。)

我和汉字一起工作了很多年，我不记得“在UTF-8中执行操作”。让我解释一下，UTF-8是编码的，它不应该在内存中进行操作.当UTF-8被发明的时候，我们的想法是英语是重要的语言，我们需要一些其他的方法，所以在UTF-8中，英语字符是一流的公民，不像中国人。

正如“编码”一词所暗示的，您必须对数据进行解码，然后才能使用它。这就像“对ZIP编码中的字符执行操作”。当然，如果您将文件加载到缓冲区中，您可以使用字符完成一些操作，但是您将以任何方式解码，要么解码整个缓冲区，然后执行操作，要么动态解码，一个字符一个字符，同时执行一些操作。

我所说的“解码”到底是什么意思？通常您将使用C类型的unsigned short或wchar_t，或者有时使用int来保存每个字符.因此，您将UTF-8文本加载到char utf8buffer[]缓冲区中，然后将其解码到另一个缓冲区wchar_t utf16buffer[]。然后你做你需要做的任何事情，然后你编码回UTF-8并保存到光盘。

如您所见，UTF16足以应付中文：

 L'一' == 0x4e00; // first Chinese character "yi" - "one"
 L'龥' == 0x9fa9; // the last Chinese char that I know of.
                  // From 0xa000 the Korean alphabet (Hangul) starts.

但这只适用于普通汉语，只有学者在古代文献中才会用到一些不符合0xFFFF范围的文字。其实中文的“字母表”不是固定的，你可以把任何汉字的“词根”和字符组合成一个新的字符。这不是固定的！甚至还有一个UNICODE实用程序，它被称为表意描述序列"IDS“。但希望你一点也不需要。