5

刚才我正在尝试在我的 c 程序中使用 libunistring。我必须处理 UTF-8 字符串，为此我使用了 libunistring 库中的 u8_strlen() 函数。
代码示例：

void print_length(uint8_t *msg) {
    printf("Default strlen: %d\n", strlen((char *)msg));
    printf("U8 strlen: %d\n", u8_strlen(msg));
}

想象一下我们print_length()用msg = "привет"（西里尔文，utf-8 编码）调用。我预计strlen()应该返回 12（6 个字母 * 每个字母 2 个字节），并且 u8_strlen()应该返回 6（只有 6 个字母）。

但我收到了奇怪的结果：

Default strlen: 12
U8 strlen: 12

在此之后，我尝试查找 u8_strlen 实现，并找到了以下代码：

size_t
u8_strlen (const uint8_t *s)
{
    return strlen ((const char *) s);
}

我想知道，这是错误还是正确答案？如果正确，为什么？

4

2 回答 2

7

我相信这是预期的行为。

libunistring 手册说：

size_t u8_strlen (const uint8_t *s)

返回 s 中的单位数。

同样在手册中，它定义了这个“单位”是什么：

UTF-8 字符串，通过类型 'uint8_t *'。单位是字节（uint8_t）。

我相信他们标记该函数的原因，u8_strlen即使它只是标准strlen，是该库还分别具有u16_strlen和u32_strlen用于 UTF-16 和 UTF-32 字符串的操作（这将计算 2 字节单元的数量，直到 0x0000 , 和 4 字节单元，直到 0x00000000)，它们u8_strlen只是为了完整性而包括在内。

然而， GNU gnulib确实包含mbslen了可能做你想做的事：

mbslen 函数：确定字符串中多字节字符的个数。

于 2013-09-26T16:25:47.963 回答
0

除了 Berry 的回答，我注意到 C 标准允许 char 中有超过 8 位。然后strlen()将返回 char 中的长度，而不是 8 位块，因此将是返回值的一小部分u8_strlen()（或应该返回 - 您显示的实现显然不起作用并给出与 相同的答案strlen()）。

于 2013-09-26T18:35:55.490 回答