关于C++遍历中文字符串的问题

今天来介绍一个C++中的基础问题:中文字符串的遍历问题。可就是这么的一个基础问题,也坑了我不少时间,真是应了那句话基础不牢,地动山摇

小试牛刀

首先我们来一个demo,假如要使用std::string遍历”你好,世界123″这个字符串,你会怎么写?

当时笔者是这么想的

关于C++遍历中文字符串的问题

于是大手一挥,Ctrl C + Ctrl V写下了一下代码:

using namespace std;
int main() {
    std::string text = "你好,世界123";
    for (const auto c:text) {
        std::cout << "c:" << c << std::endl;
    }
    return 0;
}

运行起来一看,我都懵逼了,居然是乱码…

关于C++遍历中文字符串的问题

一看到乱码,笔者首先想到的可能编码不是utf-8的,于是我改了一行代码:

 std::string text = u8"你好,世界123";

结果还是于事无补,还是乱码的,我开始有点慌了…

关于C++遍历中文字符串的问题

在这里说明一下当在C++中使用字符串字面值时,可以使用前缀u8来表示使用UTF-8编码。这意味着该字符串会以UTF-8编码的格式存储在内存中。

面对这些乱码,我不得不拿出CV工程师的杀手锏,赶紧上stackoverflow求助…

不负众望,果然被我找到了答案。。。

关于C++遍历中文字符串的问题

马上复制粘贴来验证一波…

using namespace std;
int main() {
    std::string text = u8"你好,世界123";
    for(size_t i = 0; i < text.length();)
    {
        int cplen = 1;
        if((text[i] & 0xf8) == 0xf0) cplen = 4;
        else if((text[i] & 0xf0) == 0xe0) cplen = 3;
        else if((text[i] & 0xe0) == 0xc0) cplen = 2;
        if((i + cplen) > text.length()) cplen = 1;
        cout << text.substr(i, cplen) << endl;
        i += cplen;
    }
    return 0;
}

运行起来,果然是想要的结果。666,凭实力攻克了一个技术难题,带领公司往前跨了一大步,这回升级加薪稳了吧!!!

关于C++遍历中文字符串的问题

寻根问底

本着举一反三的学习态度,我想知道为什么中文字符串的遍历要特殊处理,我找到了这个:en.wikipedia.org/wiki/UTF-8#…

原来一个中文字符不一定是和英文一样占用一个字符,它们可能会占用几个字符,但它们的长度其实可以从字符的头中读取出来的。

关于C++遍历中文字符串的问题

我简单地用浏览器翻译了一下,大家将就这看一下大概意思

关于C++遍历中文字符串的问题

当然如果你不想自己写获取中文字符长度的逻辑代码,也可以用别人写好的开源库。这里给大家推荐一个轻量级的,只有一个utf8.h文件的开源库:
github.com/sheredom/ut…

那么我们的代码就变成了这样:

int main() {
    std::string text = u8"你好,世界123";
    for (size_t i = 0; i < text.size();)
    {
        auto cplen = utf8codepointcalcsize(&text[i]);
        std::cout << text.substr(i, cplen) << std::endl;
        i += cplen;
    }
    return 0;
}

其实我们查看下utf8.h这个库的utf8codepointcalcsize函数内部实现,和我们上面说的是一样的。

关于C++遍历中文字符串的问题

这么一个简单的坑,以前怎么没发现这个问题?一个是没遇到过这样的需求,二是就算用到了也不是用C++实现的,例如在QT上直接使用QString就没有这些问题。

好了,关于C++遍历中文字符串的坑就分享到这里啦,关注我,后期不定期更新…

原文链接:https://juejin.cn/post/7332410158268760105 作者:思想觉悟

(0)
上一篇 2024年2月7日 下午4:10
下一篇 2024年2月7日 下午4:21

相关推荐

发表回复

登录后才能评论