Question

刚才我正在尝试在我的c程序中使用libunistring。我要处理UTF-8字符串，为此我使用了libunistring库中的u8_strlen（）函数。
代码示例：

void print_length(uint8_t *msg) {
    printf("Default strlen: %d\n", strlen((char *)msg));
    printf("U8 strlen: %d\n", u8_strlen(msg));
}

想象一下，我们用print_length()（西里尔文，utf-8编码）调用msg = "привет"。我预计strlen()应返回12（每个字母6个字母* 2个字节），并且 u8_strlen()应该返回6（只有6个字母）。

但我收到了好奇的结果：

Default strlen: 12
U8 strlen: 12

在此之后我试图查找u8_strlen实现，并找到了这段代码：

size_t
u8_strlen (const uint8_t *s)
{
    return strlen ((const char *) s);
}

我想知道，这是错误还是正确答案？如果这是正确的，为什么？

Answer 1

我认为这是预期的行为。

The libunistring manual说：

size_t u8_strlen（const uint8_t * s）

返回s中的单位数。

同样在手册中，它定义了这个“单位”是什么：

UTF-8字符串，通过'uint8_t *'类型。单位是字节（uint8_t）。

我相信他们标记函数u8_strlen的原因，即使它只执行标准strlen，但该库也有u16_strlen和u32_strlen用于操作UTF-16和UTF-32字符串分别（直到0x0000计算2字节单位的数量，直到0x00000000计算4字节单位），它们仅包括u8_strlen完整性。

然而，

GNU gnulib包括mbslen可能会做你想要的事情：

mbslen function：确定字符串中多字节字符的数量。

Answer 2

除了Berry的回答之外，我还注意到C标准允许在char中有超过8位。然后strlen()将返回char的长度，而不是8位块中的长度，因此将是u8_strlen()返回（或应该返回）的一小部分 - 您显示的实现显然不起作用并给出与strlen()）相同的答案。

libunistring u8_strlen（）等于strlen（）？

2 个答案: