我正在编写 C 代码并努力寻找一种在特定字符数后终止字符串的方法。例如,我需要在 3 个字符后终止字符串 data
。如果它是一个普通的 ASCII 字符串,我可以做类似的事情
data[3] = 0;
但在我的例子中,任何字符都可以是多字节的,例如 È 或 À。在给定数量的字符之后终止此类字符串的最佳方法是什么?
更新:
基本上:
char s_mon[7];
setlocale(LC_ALL, "");
strftime(s_mon, 7, "%b", tick_time);
当前语言环境是法语。月份被存储为“févr.”。需要它是“fév”,但这需要是通用的,因此像“mars”这样的条目也可以减少到 3 个字符。
最佳答案
最终重用了这个 utf_str_to_upper功能。该函数正确处理多字节值。它还将字符串转换为大写字母(我也需要),但如果需要可以删除该功能。
我所做的唯一修改是传递第二个参数 limit
,这是我需要剪切字符串的 characters 限制。该函数然后在正确的字节位置插入终止符并返回字节位置。完整代码如下:
uint8_t utf8_str_to_upper(char* s, uint8_t limit) {
uint8_t char_no = 0;
uint8_t* p;
for (p = (uint8_t*)s; *p; ++p) {
// (<128) ascii character
// U+00000000 – U+0000007F: 0xxxxxxx
if (*p < 0b10000000) {
if (*p >= 0x61 && *p <= 0x7A) {
*p = *p - 0x20; // a~z -> A~Z
}
// (<192) unexpected continuation byte
} else if (*p < 0b11000000) {
// (<224) 2 byte sequence
// U+00000080 – U+000007FF: 110xxxxx 10xxxxxx
} else if (*p < 0b11100000) {
uint16_t code = ((uint16_t)(p[0] & 0b00011111) << 6) | (p[1] & 0b00111111);
if (
(code >= 0x00E0 && code <= 0x00F6) || // à~ö -> À~Ö
(code >= 0x00F8 && code <= 0x00FE) // ø~þ -> Ø~Þ
) {
code -= 0x0020;
p[0] = 0b11000000 | ((code >> 6) & 0b00011111);
p[1] = 0b10000000 | ( code & 0b00111111);
}
++p;
// (<240) 3 byte sequence
// U+00000800 – U+0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
} else if (*p < 0b11110000) {
p += 2;
// (<248) 4 byte sequence
// U+00010000 – U+001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
} else if (*p < 0b11111000) {
p += 3;
// (<252) 5 byte sequence
// U+00200000 – U+03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
} else if (*p < 0b11111100) {
p += 4;
// (<254) 6 byte sequence
// U+04000000 – U+7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
} else if (*p < 0b11111110) {
p += 5;
}
if (limit) {
char_no++;
if (char_no == limit) {
*(p + 1) = 0;
return p-(uint8_t*)s + 1;
break;
}
}
}
return p-(uint8_t*)s + 1;
}
关于c - 终止(可能)多字节字符串?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42210748/