c - C中的UTF8处理

Question

我对UTF8有基本的了解:码位是可变长的，所以一个“字符”可以是8位，16位，甚至更长。

我想知道是否有一些 C 语言的示例代码、库等与 UTF8 字符串(如 C 中的标准库)做类似的事情。告诉字符串的长度等

谢谢，

Answer 1

GNU 确实有一个 Unicode 字符串库，叫做 libunistring , 但它几乎没有处理任何东西 ICU的确实。

例如，GNU 库甚至不让您访问排序规则，这是所有字符串比较的基础。相比之下，ICU 确实如此。 ICU 拥有但 GNU 没有出现的另一件事是 Unicode 正则表达式。为此，您可能想使用 Phil Hazel’s excellent PCRE library for C ，可以使用 UTF-8 支持进行编译。

但是，GNU 库可能足以满足您的需要。我不太喜欢它的 API。很乱。如果你喜欢 C 编程，你可以尝试 Go programming language , 它具有出色的 Unicode 支持。这是一种新语言，但小巧、干净且使用起来很有趣。

另一方面，主要的解释型语言——Perl、Python 和 Ruby——都对 Unicode 提供了不同的支持，这比你在 C 中得到的要好。其中，Perl 的 Unicode 支持是最发达和最强大的.

请记住:仅支持更多字符是不够的。没有它们附带的规则，就没有 Unicode。至多，您可能拥有 ISO 10646:一个大字符库，但没有规则。我的口头禅是“Unicode 不仅仅是更多的字符；更多的字符加上一大堆处理它们的规则。”