如果输入类似于世界＋你好，我如何在C中执行这些UTF-8 unicode操作？：
+字符，并将两部分中文字符放入两个单独的数组：str1 = 世界和str2 = 你好。汉字将从终端输入。
答案 0 :(得分：4)
关于UTF-8的一个好处是，如果你发现一个字节是一个有效的ASCII字符（特别是＆lt; 128），那个字节就是代表那个ASCII字符。因此，您可以在+字符处拆分，就好像您有一个单字节编码字符串一样。
您的案例中的比较也只是字节方式。当你不得不担心规范形式或区分大小写时会变得更加困难，但据我所知，这些都不适用于中文。 （当然，您可能会将不同的字符视为相同的字符，例如気和气。如果是这样，请先使用标准搜索和替换来规范化字符串。）
答案 1 :(得分：1)
我使用汉字多年，我不记得曾经“以UTF-8进行操作”。让我解释一下，UTF-8是编码的，它不应该在内存中用来做操作。当UTF-8被发明时，我们的想法是英语是重要的语言，我们需要其余部分，因此在UTF-8中，英文字符是一等公民，与中文不同。
正如“编码”一词所暗示的那样，您必须先解码数据才能使用它。它就像“对ZIP编码中的字符执行操作”。当然，如果将文件加载到缓冲区中，您可以对字符执行某些操作，但是您将以任何方式进行解码，要么解码整个缓冲区，然后执行操作，要么逐个字符地解码并在以下位置执行某些操作同时。
“解码”究竟是什么意思？通常，您将使用C类型unsigned short或wchar_t，或有时使用int来保存每个字符。因此，您将UTF-8文本加载到char utf8buffer[]缓冲区，然后将其解码到另一个缓冲区wchar_t utf16buffer[]。然后你做任何你需要做的事情，然后你编码回UTF-8并保存到光盘。
正如你所看到的，UTF16足以应对中文：
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.
但这仅适用于普通中国人，有少数罕见字符仅供学者在古代文献中使用，不适合0xFFFF范围。实际上中文“字母”并不固定，你可以将任何中国的“字根”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，简称为表意描述序列“IDS”。但希望你根本不需要它。