如何“解码”UTF-8角色？

我们假设我想编写一个函数来比较两个Unicode字符。 我该怎么做？ 我读了一些文章（像这样 ），但仍然没有。 我们以€作为输入。 它在0x0800和0xFFFF范围内，因此它将使用3个字节对其进行编码。 我该如何解码呢？ 按位操作从wchar_t获取3个字节并存储到3个char ？ C中的示例中的代码可能很棒。

这是我的C代码“解码”，但显然错误的值解码unicode …

 #include  #include  void printbin(unsigned n); int length(wchar_t c); void print(struct Bytes *b); // support for UTF8 which encodes up to 4 bytes only struct Bytes { char v1; char v2; char v3; char v4; }; int main(void) { struct Bytes bytes = { 0 }; wchar_t c = '€'; int len = length(c); //c = 11100010 10000010 10101100 bytes.v1 = (c >> 24) <> 16) <> 8) <v1); int v2 = (int)(b->v2); int v3 = (int)(b->v3); int v4 = (int)(b->v4); printf("v1 = %d\n", v1); printf("v2 = %d\n", v2); printf("v3 = %d\n", v3); printf("v4 = %d\n", v4); } int length(wchar_t c) { if (c >= 0 && c = 0x0080 && c = 0x0800 && c = 0x10000 && c = 0x200000 && c = 0x4000000 && c > 1); printf("%c", (n & 1) ? '1' : '0'); } 

Answer 1

比较UTF-8编码的字符并不容易。 最好不要试试。 或者：

1. 将它们转换为宽格式（32位整数）并进行算术比较。 请参阅wstring_convert或您最喜欢的特定于供应商的function; 要么

2. 将它们转换为1个字符串并使用比较UTF-8编码字符串的函数。 在C ++中没有标准的方法可以做到这一点，但它是其他语言的首选方法，如Ruby，PHP等等。

---

为了说清楚，难的是将原始位/字节/字符编码为UTF_8并进行比较。 这是因为您的比较必须考虑编码以了解是否比较8位，16位或更多位。 如果你能以某种方式将原始数据位转换为以null结尾的字符串，那么使用常规字符串函数可以轻松地进行比较。 此字符串的长度可能超过一个字节/八位字节，但它将表示单个字符/代码点。

---

Windows有点特殊。 宽字符是短整数（16位）。 从历史上看，这意味着UCS-2，但它已被重新定义为UTF-16。 这意味着可以直接比较基本多语言平面（BMP）中的所有有效字符，因为它们将占用一个短的int，但其他人不能。 我不知道在Windows上的BMP之外处理32位宽字符（表示为简单的int）的任何简单方法。