浏览 | 提交新的代码片段 | 创建代码包

多字节函数库系列：UTF-8相关：cy_utf8chars()
类型: Function	类别: Other
许可证: GNU Library Public License	语言: C++
描述: 对于国际通行的UTF-8编码字符串， 函数迭代处理以获得字符串的实际字符数（函数返回字节数，字符数通过引用参数num_chars获得）。

该代码片段的版本系列:

片段ID	下载版本	提交时间	提交人	删除
4575	0.1	2002-06-26 21:11	renxiao

点击"下载版本"来下载该代码片段.

最新版本的代码片段: 0.1

/*-----------------------Own_lib函数库系列 utf8chars.cc------------------------
cy_utf8chars() /utf8chars.o /libcyfunc.a

描述: 对于国际通行的UTF-8编码字符串, 函数迭代处理以获得字符串的实际字符数(字符数
      通过引用参数num_chars获得).
      之所以整数采用unsigned short类型(检测的字符数最多不超过65536个), 是因为函数
      采用顺序迭代算法, 若检测太长的字节序列则效率不高.
src_str:
      接受检测字符数的字符串指针.
max_chars:
      需要检测的最多字符个数限制, 若置之为0, 则检测直到字符串结束符'\0'.
num_chars:
      返回实际字串字符个数的指针参数.
返回值:
      返回实际检测的字节数. 若检测到非法字符序列, 则返回-1.

注意! 传递的字符串必须是合法的UTF-8编码序列(且没有标志头).

作者: 任逍 |2002.05.26.
版权: GNU General (Library) Public License (GPL/LGPL)

* 编辑器: vim-6.0 |操作系统: TurboLinux7.0简体中文版 *
------------------------------------------------------------------------------*/

#include "cyinclude/cyutf.h"
#define MAX_CONV_CHARS	65535	// unsigned short int 的最大值

size_t  cy_utf8chars(const unsigned char * src_str,
                     size_t max_chars,
                     size_t * num_chars = NULL)
{
	int 	count_bytes = 0;
	size_t 	test_length = 0;
	size_t 	test_chars = 0;

	if (!src_str)
		return 0;

	if (max_chars == 0)
		max_chars = MAX_CONV_CHARS;	

	while ( (src_str[test_length] != '\0') && (test_chars < max_chars) )
	{
		for (;;)	// 检测字节序列长度
		{
			if (src_str[test_length] <= 0x7f){
				count_bytes = 1;	// ASCII字符: 0xxxxxxx( ~ 01111111)
				break;
			}
			if ( (src_str[test_length] >= 0xc0) && (src_str[test_length] <= 0xdf) ){
				count_bytes = 2;	// 110xxxxx(110 00000 ~ 110 111111) 
				break;
			}
			if ( (src_str[test_length] >= 0xe0) && (src_str[test_length] <= 0xef) ){
				count_bytes = 3;	// 1110xxxx(1110 0000 ~ 1110 1111)
				break;
			}
			if ( (src_str[test_length] >= 0xf0) && (src_str[test_length] <= 0xf7) ){
				count_bytes = 4;	// 11110xxx(11110 000 ~ 11110 111)
				break;
			}
			if ( (src_str[test_length] >= 0xf8) && (src_str[test_length] <= 0xfb) ){
				count_bytes = 5;	// 111110xx(111110 00 ~ 111110 11)
				break;
			}
			if ( (src_str[test_length] >= 0xfc) && (src_str[test_length] <= 0xfd) ){
				count_bytes = 6;	// 1111110x(1111110 0 ~ 1111110 1)
				break;
			}
			return -1;	// 以上皆不满足则为非法序列
		}

		test_length += count_bytes;
		test_chars ++;
	}

	if (num_chars)
		*num_chars = test_chars;

	return test_length;
}


		

提交新版本

如果您修改了一个代码片段并且觉得很应该让别人共享,您可以把这作为这个代码片段的最新版本提交上来.