utf-8字串中字元佔用位元組數
阿新 • • 發佈：2021-10-26
- 為了保護使用者隱私，對一部分使用者進行暱稱首個字元替換為"*" ；
- 問題 ：首個字元不確定是中文還是英文，英文可能佔用一個位元組，中文可能佔用2-4位元組，所以替換前需確定首個字元佔用多少個位元組
預設按照utf8格式處理
點選檢視程式碼
#include <iostream> using namespace std; //方法1 void Utf8SubStr(string &name, string convert) { size_t i=0; size_t j=0; while (i<1 && j<name.length()) { unsigned char c = (unsigned char)name[j++]; i += ((c & 0xc0) != 0x80); } while (j<name.length()) { unsigned char c = (unsigned char)name[j]; if ((c & 0xc0) == 0x80) { j++; } else { break; } } name.replace(0, j, convert); } //方法2 自己根據utf8格式寫的 // UTF-8是這麼規定的：(x代表0或者1) // //只佔一個位元組的字元，8位位元組第一位就是0 //0 X X X X X X X // //佔用2個位元組的字元，第一個位元組的是以110開頭，第二個位元組以10開頭 //1 1 0 X X X X X 1 0 X X X X X X // //佔用3個位元組的字元，第一個位元組的是以1110開頭，剩餘位元組都以10開頭 //1 1 1 0 X X X X 1 0 X X X X X X 1 0 X X X X X X // //佔用4個位元組的字元，第一個位元組的是以11110開頭，剩餘位元組都以10開頭 //1 1 1 1 0 X X X 1 0 X X X X X X 1 0 X X X X X X 1 0 X X X X X X //https://zhuanlan.zhihu.com/p/363036851 int32_t FirstWordReplace(std::string & src,std::string replace = "*"){ // 1. is chinese ? char *c = (char *)src.c_str(); int first_word_len = 1; if ((*c & 0x80)==0x80){ first_word_len = 1; if ((*c & 0xc0)==0xc0){ first_word_len = 2; if ((*c & 0xe0) ==0xe0){ first_word_len = 3; if ((*c & 0xf0) == 0xf0){ first_word_len = 4; if ((*c & 0xf8)==0xf8){ first_word_len = 5; if ((*c & 0xfc)==0xfc){ first_word_len = 6; } } } } } } // 2. replace cout<<first_word_len<<endl; src.replace(0, first_word_len, replace); } int main() { std::string test("龠編碼aa"); char * ptr = (char *)test.c_str(); printf("%x,%x,%x,%x,%x,%x,%x,%x\n",ptr[0],ptr[1],ptr[2],ptr[3],ptr[4],ptr[5],ptr[6],ptr[7]); cout<<test.c_str()<<endl; FirstWordReplace(test,"*"); cout<<test.c_str()<<endl; printf("%x,%x,%x,%x,%x,%x,%x,%x\n",ptr[0],ptr[1],ptr[2],ptr[3],ptr[4],ptr[5],ptr[6],ptr[7]); return 0; }