c++ - 处理 UTF-8 字符串

Question

据我所知，linux 使用 UTF-8 编码。这意味着我可以使用 std::string 来处理字符串吗？只是编码将是 UTF-8。

现在在 UTF-8 上我们知道有些字符是 1 个字节，有些是 2,3.. 字节。我的问题是:如何使用 C++ 在 Linux 上处理 UTF-8 编码的字符串？

特别是:您如何获得以字节(或字符数)为单位的字符串长度？你将如何遍历字符串？等

我问的原因是，正如我所说的 UTF-8 字符可能超过一个字节，对吗？显然 myString[7] 和 myString[8] - 可能不是指两个不同的字符。另外，UTF-8 字符串是 10 个字节，这并没有说明它的字符数，对吧？

Answer 1

您不能使用 std::string 处理 UTF-8。 string，尽管它的名字，只是一个(多)字节的容器。它不是一种用于文本存储的类型(字节缓冲区显然可以存储任何对象，包括文本)。它甚至不存储字符(char 是一个字节，而不是一个字符)。

如果您想真正处理(而不只是存储)Unicode 字符，则需要在标准库之外冒险。传统上，这是由 ICU 等库完成的。 .

然而，虽然这是一个成熟的库，但它的 C++ 接口(interface)很糟糕。 Ogonek 采用现代方法.它没有那么完善，仍在进行中，但提供了一个好得多更好的界面。