Question

我有一个中文或阿拉伯语的utf-8字符。我需要获取UTF-8字符的值，比如获取ASCII字符的值。我需要在“C”中实现它。你能提出你的建议吗？

例如：

char array[3] = "ab";
int v1,v2;

v1 = array[0];
v2 = array[1];

在上面的代码中，我将在v1和v2中获得相应的ASCII值。对于UF8字符串，我需要获取字符串中每个字符的值。

Answer 1

只有C语言的C11标准版本提供UTF-8支持，因此根据您的目标标准，您可以使用C11功能（<uchar.h>）或依赖UTF库，例如{{ 3}}

Answer 2

没有UTF-8字符这样的东西。有Unicode字符，并且有Unicode字符的编码，例如UTF-8。

您可能想要的是将几个字节（以UTF-8编码并表示单个Unicode字符）解码为Unicode代码点。

网上有很多可用的C源代码。只需谷歌UTF-8 decoding C。

<强>更新

您显然正在寻找的是UTF-8解码，不仅仅是一个字符，即将字节数组（UTF-8解码文本）解码为整数数组（Unicode代码点）的函数

答案保持不变：使用Google。那里有很多C代码。

Answer 3

C和C ++模型是编码与语言环境相关联，因此使用该模型的代码适用于语言环境的编码，无论它是什么。

如果您使用UTF8进行窄编码的语言环境。请参阅mbtowc()，mbrtowc()，mbstowcs和mbsrtocws()，它们应该非常简单易用。

Answer 4

使用icu，您可以使用U8_NEXT

跳过utf8字符

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <stdint.h>
#include <unicode/utf.h>
#include <unicode/ustring.h>

int main(int argc, char **argv)
{
    const char s[] = "日本語";

    UChar32 c;
    int32_t k;
    int32_t len = strlen(s);

    for (k = 0; k < len;) {
        U8_NEXT(s, k, len, c);
        printf("%d - %x\n", k, c);
    }

    return 0;

}

使用gcc utf.c -o utf $(icu-config --ldflags --ldflags-icuio)

进行编译

此处的索引k表示j个字符编码的起始偏移量。 c包含字符的unicode值（32位）。

如何获取UTF-8字符的值

4 个答案: