如何知道utf8字符串中的字符数

Question

我想知道有一种简单的方法可以确定UTF8字符串中的字符数。 例如，在Windows中可以通过以下方式完成：

1. 将UTF8字符串转换为wchar_t字符串
2. 使用wcslen功能并获得结果

但我需要更简单和跨平台的解决方案。

提前致谢。

Answer 1

UTF-8字符是单个字节，其中最左边的位是0，或者是多个字节，其中第一个字节的最左位1..10...（数字为1）左边2或更多）后面是10...形式的连续字节（即左边的单个1）。假设您的字符串格式正确，您可以循环遍历所有字节并在每次看到不是10...形式的字节时递增“字符计数” - 即仅计算所有UTF中的第一个字节8个字符。

Answer 2

“字符数”的整个概念并不真正适用于Unicode，因为代码不会将1：1映射到字形。如果你想以未压缩的形式建立存储要求，那么@borrible提出的方法很好，但这就是它可以告诉你的所有内容。

例如，存在像“零宽度空间”这样的代码点，它们在渲染时不占用屏幕上的空间，但是占用代码点，或者用于变音符号或元音的修饰符。因此，任何统计数据都必须具体到具体应用程序。

正确的Unicode渲染器将具有一个函数，可以告诉您如果该信息是您所追求的，将使用多少像素来渲染字符串。

Answer 3

如果已知该字符串是有效的UTF-8，则只需以字节为单位取字符串的长度，不包括其值在0x80-0xbf范围内的字节：

size_t i, cnt;
for (cnt=i=0; s[i]; i++) if (s[i]<0x80 || s[i]>0xbf) cnt++;

请注意，s必须指向unsigned char数组，才能使比较有效。