假设我有string s = "101870002PTäPO PVä #Person Tätigkeitsdarstellung 001100001&0111010101101870100092001000010"
当我做substring(30,40)时，它会以空格开头返回“#PersonTätigkeitsdarstellung”。
我想这是计算字节而不是字符。
通常字符串的大小为110，当我执行s.length()或s.size()时，由于3个特殊字符，它返回113.
我想知道是否有办法在返回值的开头避免这个空格。
感谢您的帮助！
答案 0 :(得分：0)
在utf-8中，代码点（字符）ä由两个代码单元组成（在utf-8中为1个字节）。 C ++不支持将字符串视为代码点序列。因此，就标准库而言，std::string("ä").size()为2。
一种简单的方法是使用std::wstring。 wstring使用的字符类型（wchar_t）至少与系统支持的最宽字符集一样宽。因此，如果系统支持足够宽的编码来表示具有单个代码单元的任何（非复合）unicode字符，则字符串方法将按预期运行。目前utf-32足够广泛，并且受OS（。大多数？）unix支持。
需要注意的是，Windows仅支持utf-16而不支持utf-32，因此如果您选择wstring方法并将程序移植到Windows并且程序的用户尝试使用unicode字符，那么超过2个字节宽，则每个代码点的一个代码单元的假设不成立。
wstring方法也不考虑控制或复合字符。
这是一个小测试代码，用于转换包含多字节utf-8字符std::string的{{1}}并将其转换为ä：
wstring不幸的是，libstdc ++还没有实现{c} 11中至少从gcc-4.8引入的string foo("ä"); // read however you want
wstring_convert<codecvt_utf8<wchar_t>> converter;
wstring wfoo = converter.from_bytes(foo.data());
cout << foo.size() << endl; // 2 on my system
cout << wfoo.size() << endl; // 1 on my system
。如果你不能要求libc ++，那么类似的功能可能在Boost.Locale中。
或者，如果您希望将代码移植到不支持utf-32的系统，您可以继续使用<codecvt>并使用外部库进行迭代和计数等。这是一个：http://utfcpp.sourceforge.net/和另一个：http://site.icu-project.org/。我相信这是推荐的方法。