c++ 处理utf-8字符串
c++的字符串中的每一个元素都是一个字节。所以在装入utf8字符串的时候,其实是按照一定的规则编码的。
字符的8位中 如果0开头 则自己就是一个单位。
1字节 | 0xxxxxxx |
2字节 | 110xxxxx 10xxxxxx |
3字节 | 1110xxxx 10xxxxxx 10xxxxxx |
4字节 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
5字节 | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
6字节 | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
所以知道这个就好办了。这里有一个类,用来专门处理utf-8的字符串,实现了字符串截取,索引,长度等功能~
#ifndef __IUTF8_STRING__ #define __IUTF8_STRING__ class iutf8string { public: iutf8string(const std::string& ); iutf8string(const char* ); ~iutf8string(); public: int length(); std::string substring(int start_index, int length); std::string get(int index); iutf8string operator + (iutf8string& ); std::string operator [](int index); std::string stlstring(); const char* c_str(); iutf8string utf8substr(int u8start_index, int u8_length); std::string substr(int u8start_index, int u8_length); private: std::string data; int* offerset; int _length; void refresh(); }; #endif
#include <iostream> #include <string> #include "iutf8string.h" using namespace std; iutf8string::iutf8string(const string& str) { data = str; refresh(); } iutf8string::iutf8string(const char* str) { data = string(str); refresh(); } iutf8string::~iutf8string() { delete[] offerset; } string iutf8string::stlstring() { return data; } const char* iutf8string::c_str() { return data.c_str(); } iutf8string iutf8string::operator +(iutf8string& ustr) { string temp = data + ustr.stlstring(); return iutf8string(temp); } int iutf8string::length() { return _length; } string iutf8string::get(int index) { if(index >= _length) return ""; ] - offerset[index]); return temp; } string iutf8string::operator [](int index) { if(index >= _length) return ""; ] - offerset[index]); return temp; } string iutf8string::substr(int u8_start_index, int u8_length) { if(u8_start_index + u8_length >= _length) return ""; return data.substr(offerset[u8_start_index], offerset[u8_start_index+u8_length] - offerset[u8_start_index]); } iutf8string iutf8string::utf8substr(int u8_start_index, int u8_length) { if(u8_start_index + u8_length >= _length) return iutf8string(""); string ret = data.substr(offerset[u8_start_index], offerset[u8_start_index+u8_length] - offerset[u8_start_index]); return iutf8string(ret); } void iutf8string::refresh() { int *tmp = new int[data.length()]; ; ; i < data.length(); i++) { )||(!((())) { tmp[tmpidx] = i; tmpidx++; } } tmp[tmpidx] = data.length(); int *tmp2 = new int[tmpidx]; ; i < tmpidx; i++) { tmp2[i] = tmp[i]; } delete[] tmp; offerset = tmp2; _length = tmpidx; } //----------------test code ---------------------------- int main() { iutf8string str1("_我Love你!中国 ,!"); cout << "字符串长度:" <<str1.length() <<endl; int i; cout << "[" ; ; i < str1.length(); i++) { cout << str1[i] << " "; } cout << "]" << endl; ,); cout << one << endl; string s1("我们都是好孩子!"); iutf8string str2(s1); cout << "[" ; ; i < str2.length(); i++) { cout << str2[i] << " "; } cout << "]" << endl; }
最后祝您,提乾涉经。告辞。
c++ 处理utf-8字符串的更多相关文章
- 聊聊Node.js 独立日漏洞
背景 Node.js 社区近期在美国独立日周末的狂欢之时爆出漏洞 https://medium.com/@iojs/important-security-upgrades-for-node-js-an ...
- Python基础2 编码和逻辑运算符
编码: AscII码 :标准ASCII码是采用7位二进制码来编码的,当用1个字节(8位二进制码)来表示ASCII码时,就在最高位添加1个0. 一个英文字母占一个字节 8位(bit)==一个字节(byt ...
- python基础(三)编码,深浅copy
编码,深浅copy encode,decode在python2中使用的一些迷糊,python3中更容易理解 要理解encode和decode,首先我们要明白编码,字符和二进制的相关概念,简单来说,计算 ...
- 廖雪峰Python3笔记
主要复习过一遍 简介 略 安装 略 *** 第一个Python程序 第一行的注释: # _*_ coding: utf-8 _*_ #!/usr/bin/env python3 print() 可以接 ...
- Python基础2 字符编码和逻辑运算符
编码 AscII码 :标准ASCII码是采用7位二进制码来编码的,最高为0,没有0000 0000,所以就是2**7-1=127个字符 , 当用1个字节(8位二进制码)来表示ASCII码时,就在最高位 ...
- Python小白学习之路(十六)—【内置函数一】
将68个内置函数按照其功能分为了10类,分别是: 数学运算(7个) abs() divmod() max() min() pow() round() sum() 类型转换(24个) bo ...
- Java中I/O流之数据流
Java 中的数据流: 对于某问题:将一个 long 类型的数据写到文件中,有办法吗? 转字符串 → 通过 getbytes() 写进去,费劲,而且在此过程中 long 类型的数需要不断地转换. ...
- java 聊天程序
package cn.apr.chart; import java.net.*; import java.io.*; import java.util.*; public class ChatServ ...
- python3.7 文件操作
#!/usr/bin/env python __author__ = "lrtao2010" #python3.7 文件操作 # r 只读,默认打开方式,当文件不存在时会报错 # ...
- JNI教程与技术手册
转载请标明出处:http://blog.csdn.net/shensky711/article/details/52806794 本文出自: [HansChen的博客] 概述 对于JNI,有些童鞋在没 ...
随机推荐
- 模板 ST表
ST表 询问静态最值. code: #include <iostream> #include <cstdio> using namespace std; inline int ...
- linux页表机制
每个进程都拥有一个自己的页表,在linux中,有一个页目录数组,这是分页机制的最高层,每个进程的页表对应其中的一个页目录项,通过cr3寄存器可以访问. 一个进程的页表,对应的页表项中对应页的物理地址. ...
- 文件上传之form表单篇
form表单上传文件 作为本系列的最后一篇,也是楼主知道的第三种文件上传的方式--隆重推出Form表单 这是最传统的上传文件,提交数据的方式 Html: <form action="/ ...
- Pre- and Post-order Traversals(先序+后序序列,建立二叉树)
PAT甲级1119,我先在CSDN上面发布的这篇文章:https://blog.csdn.net/weixin_44385565/article/details/89737224 Suppose th ...
- 读经典——《CLR via C#》(Jeffrey Richter著) 笔记_高级管理控制(配置)
一个应用程序的XML配置文件示例: <?xml version="1.0"?> <configuration> <runtime> <as ...
- python 基础及if while for语句
#####变量######一.命名规则 1.正常命名 可以由字母,下划线和数字组成,不能以数字开头,不能和关键字重明 2.驼峰命名法 1)大驼峰:每一个单词的首字母都大写 Fi ...
- 关于 java中的SecureRandom在linux中每次生成不同结果
使用AES算法的时候,会发现下面的代码在windows每次产生确定的结果,但Linux就不同,导致无法正确解密 public static String encrypt(String content, ...
- python学习:python文件中空格和换行符的捕获和文本文件的转存
0. 背景 之前公司的项目中,需要在嵌入式系统中实现一个http的网页端内容,由于项目历史遗留问题,公司是采用的将html文件转成c语言头文件的方式,每次修改页面端都需要从新编译一下程序,非常的繁琐. ...
- C#学习 - 关于Interlocked.CompareExchange()的用法
https://blog.csdn.net/jianhui_wang/article/details/80485517 Interlocked.CompareExchange有一组函数 名称 说明 ...
- 爬虫(GET)——传递要查询的关键字
工具:python3 目标:传递关键字,爬取任意关键字的页面 import urllib.request # 定义User-Agent,要爬取的url,以及要查询的关键字 headers = {&qu ...