linux - 在 C++ 中使用 Unicode (UTF-8)

Question

目前，我必须在 C++ 11(Linux 环境)中处理 Unicode。UTF-8 用作默认编码。我需要的任务:

• 替换。
• 正则表达式
• 遍历 UTF-8 字符串。我不知道使用 std::string 和“for (character c : s)”是否会做我想做的事，因为每个字符都必须是 unicode 字符。例如ế是一个字符，mão是一个包含3个字符的单词
• 子字符串。
• 用 unicode 字符连接子字符串或连接 unicode 字符。
• 长度。
• 修剪。
• 读写文件。

我应该使用什么库来获得最佳结果？

非常感谢。期待很快收到您的来信。

Answer 1

对于正则表达式/替换/搜索功能，我以前使用过 PCRE。这是为使用 UTF-8 字符串而设计的。您可以使用 STL 正则表达式，但不能以任何可移植的方式使用。 (尤其是 Windows 不支持 UTF-8 语言环境。)

遍历 UTF-8 字符串比您描述的还要复杂，如果您需要支持组合标记或零宽度连接符!你写的 é 是一个字符，但它可能是两个 Unicode 代码点:拉丁文小写字母 e + 上面的尖音符组合。如果您只是想遍历代码点，您可以使用标准库中的 mbtowc() 或 std::codecvt::do_in。如果您需要遍历字素，最便携的方法是使用 ICU.。

常规的字符串连接应该可以工作，标准库有 mblen() 用于长度。这不是完全可移植的，因为多字节编码不一定是 UTF-8(尽管有一组标准的转换函数)。