C++ UTF-8 实际字符串长度

Posted 2023-02-22

【中文标题】C++ UTF-8 实际字符串长度

【英文标题】：C++ UTF-8 actual string length

【发布时间】：2013-05-31 18:51:46

【问题描述】：

在任何标准库中是否有任何本机（跨平台）C++ 函数返回std::string 的实际长度？

更新： 正如我们所知，std::string.length() 返回的是字节数而不是字符数。 我已经有一个返回实际函数的自定义函数，但我正在寻找一个标准函数。

【问题讨论】：

您可能会发现有趣的答案here。但是请注意，正如@BenVoigt 指出的那样，C++11 现在有了实现它的标准方法。

@syam：同意，但答案在过去 3 年发生了变化。此外，此问题专门要求标准提供的功能，而不是自定义实现，这是您在其他问题的答案中找到的全部内容。

@BenVoigt：我刚看到你的回答，不知道这是 C++11 的一部分。不过，其他问题的答案可能仍然很有趣，我将改写我的评论。

"character" 有点模棱两可。取决于你真正想要什么，答案会变得更加复杂。您想要计算 Unicode 码位吗？字素簇的计数（包括组合字符的“可见”字形，我们在屏幕上阅读时会考虑单个字符）？像零宽度空间这样的不可见代码点呢？

@BenVoigt 是的。我的观点是，该接口仍然是旧的、笨拙的 C++03 接口，带有charT*，没有迭代器，也不支持std::string。

【参考方案1】：

codecvt 应该会有所帮助，标准提供了 UTF-8 的实现，例如 codecvt_utf8<char32_t>() 在这种情况下是合适的。

大概是这样的：

wstring_convert< codecvt_utf8<char32_t>, char32_t >().from_bytes(the_std_string).size()

【参考方案2】：

实际长度是字节数。计算代码点没有什么意义。您可能想计算其他事物，例如字形簇。

在http://utf8everywhere.org中查看更多关于不同类型字符串长度的信息

【参考方案3】：

没有第三方库，在 C/C++ 中无法做到这一点。 即使您转换为 char32_t，您也会得到代码点，而不是字符。

由于分解格式、连字、变体选择器等原因，代码点与用户对字符的感知不匹配。

最接近“用户角色”的可用构造是“字素簇” （见http://www.unicode.org/reports/tr29/）

您最好的跨平台选择是 ICU4C (http://site.icu-project.org/)