实施例

文本“नमस्ते”由代码点组成：U+0928, U+092E, U+0938, U+094D, U+0924, U+0947，其中U+0938和U+0947 组合标记。

static void Main(string[] args)
{
    const string s = "नमस्ते";

    Console.WriteLine(s.Length); // Ouptuts "6"

    var l = 0;
    var e = System.Globalization.StringInfo.GetTextElementEnumerator(s);
    while(e.MoveNext()) l++;
    Console.WriteLine(l); // Outputs "4"
}

所以我们在.NET中有它。我们还有Win32的CharNextW()

#include <Windows.h>
#include <iostream>
#include <string>

int main()
{
    const wchar_t * s = L"नमस्ते";

    std::cout << std::wstring(s).length() << std::endl; // Gives "6"

    int l = 0;
    while(CharNextW(s) != s)
    {
        s = CharNextW(s);
        ++l;
    }

    std::cout << l << std::endl; // Gives "4"

    return 0;
}

问题

我所知道的两种方式都是微软特有的。有便携式方法吗？

我听说ICU但我找不到快速相关的东西（UnicodeString(s).length()仍然给出了6）。指向ICU中的相关功能/模块是一个可以接受的答案。
C ++没有Unicode的概念，因此用于处理这些问题的轻量级跨平台库将成为可接受的答案。

编辑：使用ICU正确回答

@McDowell给出了使用来自ICU的BreakIterator的提示，我认为这可以被视为处理Unicode的事实上的跨平台标准。这是一个示例代码来演示它的用法（因为示例令人惊讶罕见）：

#include <unicode/schriter.h>
#include <unicode/brkiter.h>

#include <iostream>
#include <cassert>
#include <memory>

int main()
{
    const UnicodeString str(L"नमस्ते");

    {
        // StringCharacterIterator doesn't seem to recognize graphemes
        StringCharacterIterator iter(str);
        int count = 0;
        while(iter.hasNext())
        {
            ++count;
            iter.next();
        }
        std::cout << count << std::endl; // Gives "6"
    }

    {
        // BreakIterator works!!
        UErrorCode err = U_ZERO_ERROR;
        std::unique_ptr<BreakIterator> iter(
            BreakIterator::createCharacterInstance(Locale::getDefault(), err));
        assert(U_SUCCESS(err));
        iter->setText(str);

        int count = 0;
        while(iter->next() != BreakIterator::DONE) ++count;
        std::cout << count << std::endl; // Gives "4"
    }

    return 0;
}

Answer 1

你应该能够使用ICU BreakIterator（假设它的特征等同于Java版本的字符实例）。

Answer 2

如果使用utf-8对你来说，Glib的ustring类会给你utf-8字符串。它的设计类似于std::string。由于utf-8是Linux原生的，因此您的任务非常简单：

int main()
{
    Glib::ustring s = L"नमस्ते";
    cout << s.size();
}

您也可以像往常一样使用Glib::ustring::iterator

迭代字符串的字符

Answer 3

ICU有一个非常古老的界面，Boost.Locale要好得多：

#include <iostream>
#include <string_view>

#include <boost/locale.hpp>

using namespace std::string_view_literals;

int main()
{
    boost::locale::generator gen;
    auto string = "noël "sv;
    boost::locale::boundary::csegment_index map{
        boost::locale::boundary::character, std::begin(string),
        std::end(string), gen("")};
    for (const auto& i : map)
    {
        std::cout << i << '\n';
    }
}

文字来自here

Unicode字符串的跨平台迭代（使用ICU计算字母）

实施例

问题

编辑：使用ICU正确回答

3 个答案: