delphi - 将UnicodeString的char pos转换为utf8字符串中的字节pos

Question

我使用Scintilla并将其编码设置为utf8（如果我正确理解的话，这是使其与Unicode字符兼容的唯一方法）。通过这种设置，当谈论文本中的位置时，Scintilla表示字节位置。

问题是，我在程序的其余部分中使用了UnicodeString，并且当我需要在Scintilla编辑器中选择特定范围时，我需要将UnicodeString的字符转换为utf8字符串中与UnicodeString对应的字节pos。 。我如何轻松做到这一点？谢谢。

PS，当我找到ByteToCharIndex时，我认为这是我的需要，但是根据其文档和测试结果，该方法仅在系统使用多字节字符系统（MBCS）的情况下有效。

Answer 1

您应该使用UTF8 description自己解析UTF8字符串。我编写了ByteToCharIndex的快速UTF8类似物并在西里尔字母字符串上进行了测试：

function UTF8PosToCharIndex(const S: UTF8String; Index: Integer): Integer;
var
  I: Integer;
  P: PAnsiChar;

begin
  Result:= 0;
  if (Index <= 0) or (Index > Length(S)) then Exit;
  I:= 1;
  P:= PAnsiChar(S);
  while I <= Index do begin
    if Ord(P^) and $C0 <> $80 then Inc(Result);
    Inc(I);
    Inc(P);
  end;
end;

const TestStr: UTF8String = 'abФЫВА';

procedure TForm1.Button2Click(Sender: TObject);
begin
  ShowMessage(IntToStr(UTF8PosToCharIndex(TestStr, 1))); // a = 1
  ShowMessage(IntToStr(UTF8PosToCharIndex(TestStr, 2))); // b = 2
  ShowMessage(IntToStr(UTF8PosToCharIndex(TestStr, 3))); // Ф = 3
  ShowMessage(IntToStr(UTF8PosToCharIndex(TestStr, 5))); // Ы = 4
  ShowMessage(IntToStr(UTF8PosToCharIndex(TestStr, 7))); // В = 5
end;

反向功能也没有问题：

function CharIndexToUTF8Pos(const S: UTF8String; Index: Integer): Integer;
var
  P: PAnsiChar;

begin
  Result:= 0;
  P:= PAnsiChar(S);
  while (Result < Length(S)) and (Index > 0) do begin
    Inc(Result);
    if Ord(P^) and $C0 <> $80 then Dec(Index);
    Inc(P);
  end;
  if Index <> 0 then Result:= 0;  // char index not found
end;