c - 如何正确计算 C 中的 æ ø å(Unicode 作为 UTF-8)字符？

Question

我正在编写一个简单的程序来计算我放入链表中的文本文件 (UTF-8) 中的字符数。一切似乎都运行良好，除了它为每个实例计算两次 æ ø å(挪威字母表中的最后三个字符)。所以如果字符串是 æøå，我得到 6 而不是 3。如何解决这个问题？

int length()
{
  pointer = root; // Reset pointer
  int i; // Looping through data in node 
  int len = 0; // Counting characters
  int sizedata = sizeof(pointer->data); // Sets size limit for data in node

  while(pointer != NULL)
    {
      for(i = 0; i < sizedata; i++) // Looping through data in node
    {
      if(pointer->data[i] == '\0') break; // Stops count on end of string
      len++; // Counting characters
    }
      pointer = pointer->next; // Linking to next node
    }
  printf("Length of text is: %d characters\n", len);
}

Answer 1

我根据这个改了代码site .对于 len++ 之前的 if 语句，一切都是一样的；

int length()
{
    pointer = root; // Reset pointer
    int i; // Looping through data in node 
    int len = 0; // Counting characters
    int sizedata = sizeof(pointer->data); // Sets size limit for data in node

    while(pointer != NULL)
    {
        for(i = 0; i < sizedata; i++) // Looping through data in node
        {
            if(pointer->data[i] == '\0') break; // Stops count on end of string
            if ((pointer->data[i] & 0xC0) != 0x80)  //count characters
                len++;
        }
        pointer = pointer->next; // Linking to next node
    }
    printf("Length of text is: %d characters\n", len);
}

注意(感谢@Eljay): 这是在计算 Unicode 代码点(以 UTF-8 编码)，而不是字符(字形)。一些字符由多个代码点组成。例如，对于 x 和两个组合代码点，x̝̌ 是 78 cc 9d cc 8c。此例程会将 1 个字符计为 3(代码点)的长度。