如何解决这个 UTF-8 编码 C 问题？

Question

在我的 class 中，我们遇到了这个问题。 我不知道如何解决它。

“下面的程序计算文件中的字符数，假设文件被编码为 ASCII。修改程序，使其计算文件中编码为 UTF-8 的字符数”

#include <stdbool.h>
#include <stdio.h>
typedef unsigned char BYTE;
int main(int argc, char *argv[])
{
    if (argc != 2)
    {
        printf("Usage: ./count INPUT\n");
        return 1;
    }
    FILE *file = fopen(argv[1], "r");
    if (!file)
    {
        printf("Could not open file.\n");
        return 1;
    }
    int count = 0;
    while (true)
    {
        BYTE b;
        fread(&b, 1, 1, file);
        if (feof(file))
        {
            break;
        }
        count++;
    }
    printf("Number of characters: %i\n", count);
}

谁能帮我解决这个问题？

Answer 1

UTF-8的设计使得这是微不足道的。 有一个所有连续字节（您要忽略的字节）共有的属性，并且只能在连续字节中找到。 它是什么？

First     Last      Number of
Code      Code      bytes in   Byte 1    Byte 2    Byte 3    Byte 4
Point     Point     encoding 
--------  --------  ---------  --------  --------  --------  --------
U+000000  U+00007F          1  0xxxxxxx
U+000080  U+0007FF          2  110xxxxx  10xxxxxx
U+000800  U+00FFFF          3  1110xxxx  10xxxxxx  10xxxxxx
U+010000  U+10FFFF          4  11110xxx  10xxxxxx  10xxxxxx  10xxxxxx

然后，这只是一个做一些算术的问题。 按位与可用于隔离要检查的位。 C 有一个操作员。