[英]Terminate (possibly) multibyte string?
我正在研究一个C代码,并努力找到一种方法来在特定数量的字符后终止字符串。 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;
但就我而言,任何角色都可以是多字节,如È或À。 在给定数量的字符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);
当前的语言环境是法语。 月被存储为“févr。”。 需要它是“fév”,但这需要是通用的,所以像“火星”这样的条目也可以削减为3个字符。
结束重用这个utf_str_to_upper函数。 该函数正确处理多字节值。 它还将字符串转换为大写(我也需要),但如果需要,可以剥离该功能。
我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字符数limit
。 然后,该函数将终止符插入正确的字节位置并返回字节位置。 这是完整的代码:
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;
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.