使用C语言计算utf-8字符串长度

来源：互联网发布：龙腾世纪3 捏脸数据编辑：程序博客网时间：2024/05/16 17:17

转载http://blog.sina.com.cn/s/blog_62b2318d0101d7kb.html

C或C++语言处理宽字节字符串上是个弱项，虽然stl定义了wstring等类型，但是实际应用中还是存在一些问题，而C语言的支持就更少了，如果想跨平台，问题就会更多。

最近项目中要处理utf-8字符串，需要计算字符串长度以及对其裁剪，例子代码如下：

#include <stdio.h>

#include <string.h>

#include <stdlib.h>

//utf8字符长度1-6，可以根据每个字符第一个字节判断整个字符长度

//0xxxxxxx

//110xxxxx 10xxxxxx

//1110xxxx 10xxxxxx 10xxxxxx

//11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

//111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

//1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

//定义查找表，长度256，表中的数值表示以此为起始字节的utf8字符长度

unsigned char utf8_look_for_table[] =

{

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,

3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,

4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 6, 6, 1, 1

};

#define UTFLEN(x) utf8_look_for_table[(x)]

//计算str字符数目

int getUtf8Length(char *str)

{

int clen = strlen(str);

int len = 0;

for(char *ptr = str;

*ptr!=0&&len<clen;

len++, ptr+=UTFLEN((unsigned char)*ptr));

return len;

}

//get子串

char* subUtfString(char *str, unsigned int start, unsigned int end)

{

int len = getUtf8Length(str);

if(start >= len) return NULL;

if(end > len) end = len;

char *sptr = str;

for(int i = 0; i < start; ++i,sptr+=UTFLEN((unsigned char)*sptr));

char *eptr = sptr;

for(int i = start; i < end; ++i,eptr += UTFLEN((unsigned char)*eptr));

int retLen = eptr - sptr;

char *retStr = (char*)malloc(retLen+1);

memcpy(retStr, sptr, retLen);

retStr[retLen] = 0;

return retStr;

}

int main()

{

char *str = "我的a测试工具阿斯顿aaab123阿斯顿个流氓了卡斯！";

printf("%s\n", str);

for(char *ptr=str; *ptr!=0;) {

unsigned char c = (unsigned char)*ptr;

printf("str[%d] is a word character with %d bytes\n", c, UTFLEN(c));

ptr += UTFLEN(c);

}

printf("%d\n", getUtf8Length(str));

char *sub = subUtfString(str, 2, 100);

if(sub) {

printf("%s\n", sub);

free(sub);

sub = NULL;

}

return 0;

}

程序在osx下调试通过。

在vs2005下，默认的文件编码格式是gb2312，需要将文件保存成utf8格式。