Comment déterminer avec précision la longueur d'une chaîne codée en UTF-8 en C ?

Détermination de la longueur de la chaîne codée en UTF-8

En C, l'encodage std::string peut varier et l'utilisation de la fonction length() sur une chaîne codée en UTF-8 peut donner une représentation inexacte de sa longueur réelle. Pour déterminer la longueur correcte, considérez les modèles de séquence d'octets suivants :

0x00000000 - 0x0000007F:
       0xxxxxxx

0x00000080 - 0x000007FF:
       110xxxxx 10xxxxxx

0x00000800 - 0x0000FFFF:
       1110xxxx 10xxxxxx 10xxxxxx

0x00010000 - 0x001FFFFF:
       11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

Pour calculer la longueur réelle d'une chaîne codée en UTF-8 :

1. Initialisez une variable len à 0 .
2. Parcourez la chaîne caractère par caractère.
3. Pour chaque caractère, vérifiez s'il suit le modèle de séquence d'octets pour un caractère à un octet (0xxxxxxx).
4. Si c'est le cas, incrémentez len de 1.
5. Sinon, ignorez les octets actuels et suivants.

L'extrait de code suivant illustre l'implémentation :

<code class="cpp">int len = 0;
const char *s = str.c_str(); // convert to C-style string
while (*s) len += (*s++ & 0xc0) != 0x80;</code>

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!