我有一个UTF-8的文本文件，我需要在C中导航。我需要将此文件拆分为单独的较小文件（即将其切成两半）。发生这种情况时，有时会将多字节字符拆分为两个不同的文件。当一个愚蠢的文本编辑器去读取包含文本后半部分的文件时，它会读取剪切字符的后半部分并变得混乱，从而无法正确显示其余文本。如果我逐字节读取，我怎么能判断我是在一个字符的开头还是在中间？非ascii兼容的UTF-8字符都以前导位设置为1开始，但有些是两个字节，有些是三个字节。
编辑：没关系，我发现第一个字节包含字符长的前导1的数量。 IE三字节字符是1110xxxx xxxxxxxx xxxxxxxx。
答案 0 :(得分：2)
if ((*s & 0xc0) == 0x80) /* You are in the middle of */;
答案 1 :(得分：1)
UTF-8字符表示使用1到4个字节。
检查一个字节，如果你有这种二进制模式：
10xxxxxx
你正处于一个多字节的中间。你应该继续担任下一个主角。
如果你有这个：
0xxxxxxx
你有一个1字节的字符。
110xxxxx
是2字节字符的前导字节
1110xxxx
是3字节字符的前导字节
和
11110xxx
是4字节字符的前导字节
答案 2 :(得分：0)
所有UTF-8字符都由前导字节和零个或多个连续字节组成。所有连续字节都是二进制形式的“10xxxxxx”。所以所有前导字节都是两种形式之一：“0xxxxxxx”或“11xxxxxx”。