UTF-8字符串的字节大小

Question

我需要确定C语言中UTF-8字符串的字节数。如何正确地执行？据我所知，在UTF-8中，终端符号大小为1字节。我能使用strlen函数吗？

- Ze..

---

UTF-8并没有定义字符串如何终止。使用空字符'\0'来终止字符串是C语言的惯例。 - Keith Thompson

UTF-8 的全部意义在于你不必改变你的任何字符串处理方式。只有解释字符串字符的代码可能需要更改，即使如此，通常也只有在将特殊解释应用于 ASCII 范围之外的字符时才需要更改。像 strlen、strstr、strchr（用于搜索单字节字符）、snprintf 等等这些函数都能正常工作。 - R.. GitHub STOP HELPING ICE

Answer 1

我可以使用strlen函数吗？

是的，strlen函数可返回第一个'\0'字符前的字节数量，因此

strlen(utf8) + 1

这是utf8中字节数量，包括0终止符，因为在UTF-8中除了'\0'字符外没有其他字符包含0字节。

当然，这仅适用于utf8实际上是UTF-8编码的情况，否则您需要先将其转换为UTF-8。

- Daniel Fischer

---

@JoopEggen：不，Latin-1和高控制字符在UTF-8中不是单字节的。唯一的单字节字符是ASCII。无论如何，编码与以字节为单位测量字符串大小无关。 - R.. GitHub STOP HELPING ICE

@R.. 对的；实际上我只是想提一下UTF-8的好处，即由于高位比特，整个7位ASCII范围不会在UTF-8多字节序列中错误地找到。 - Joop Eggen

Answer 2

是的，strlen（）函数将简单地计算字节直到遇到NUL字符，这是0结尾的UTF-8编码C字符串的正确终止符。

- Sebastian Redl