C++迭代具有混合字符长度的utf-8字符串
C++迭代具有混合字符长度的utf-8字符串
提问于 2016-10-15 03:46:54
我需要循环一个utf-8字符串，并得到字符串的每个字符。字符串中可能有不同类型的字符，例如长度为一个字节的数字、长度为三个字节的汉字等等。
我看了这个帖子，它可以完成80%的工作，除了当字符串在1字节数字之前有3字节的汉字时，它会看到数字也有3字节，并将数字打印为1**，其中*是胡言乱语。
举个例子，如果字符串是'今天周五123'，结果将是：
今
天
周
五
1**
2**
3**
在那里*是胡言乱语。然而，如果字符串是'123今天周五'，数字将打印罚款。
上面提到的帖子中的经过最少修改的代码在这里复制：
#include <iostream>
#include "utf8.h"
using namespace std;
int main() {
string text = "今天周五123";
char* str = (char*)text.c_str(); // utf-8 string
char* str_i = str; // string iterator
char* end = str+strlen(str)+1; // end iterator
unsigned char symbol[5] = {0,0,0,0,0};
cout << symbol << endl;
do
{
uint32_t code = utf8::next(str_i, end); // get 32 bit code of a utf-8 symbol
if (code == 0)
continue;
cout << "utf 32 code:" << code << endl;
utf8::append(code, symbol); // initialize array `symbol`
cout << symbol << endl;
}
while ( str_i < end );
return 0;
}这里有人能帮我吗？我是c++新手，虽然我查看了utf8 cpp的文档，但我仍然不知道问题出在哪里。我认为创建这个库是为了处理具有不同长度的utf-8编码的问题，所以应该有一种方法.已经挣扎了两天了..。
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-10-15 04:01:27
插入
memset(symbol, 0, sizeof(symbol));在此之前
utf8::append(code, symbol); 如果由于某种原因这仍然无法工作，或者如果您想摆脱库，那么识别代码点并不是那么复杂：
string text = "今天周五123";
for(size_t i = 0; i < text.length();)
{
int cplen = 1;
if((text[i] & 0xf8) == 0xf0) cplen = 4;
else if((text[i] & 0xf0) == 0xe0) cplen = 3;
else if((text[i] & 0xe0) == 0xc0) cplen = 2;
if((i + cplen) > text.length()) cplen = 1;
cout << text.substr(i, cplen) << endl;
i += cplen;
}然而，在这两种解决方案中，请注意多个cp符号的存在，以及不能单独打印的cp符号。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/40054732
复制相关文章
相似问题
腾讯云开发者
