のstd ::文字列とUTF-8エンコードされたUnicode

Question

は、UTF-8のテキストを格納する文字列とwstringの両方を使用することが可能です。文字で

• 、ASCII文字は1バイトを取り、いくつかの漢字はstr[3]は必ずしも第四文字を指していないことを意味しているなど3または4を取ります。 wchar_t同じことが、文字ごとに使用されるバイト数の最小量で

• は常に（charのための代わりの1）2であり、3または4バイト幅の文字は2 wchar_tがかかります。

右でしょうか？

だから、string::find_first_of()やstring::compare()などを奇妙にコード化された文字列で使用したいのですが？それは働くでしょうか？文字列クラスは、文字が可変サイズであるという事実を処理しますか？または、ダミーのフィーチャーレスバイト配列としてのみ使用する必要があります。この場合は、むしろwchar_t[]バッファーを使用します。

std::stringがそれを処理しない場合、2番目の質問：str[3]が実際に3番目の文字を指し示すように、そのUTF-8エンコーディングを処理できる文字列クラスを提供するライブラリがあるかどうか（長さ1から4のバイト配列）？

Answer 1

あなたはユニコードについて話しています。 Unicodeは32ビットを使用して文字を表します。しかし、それはメモリを無駄にしているので、よりコンパクトなエンコーディングがあります。 UTF-8はそのようなエンコーディングの1つです。これは、バイト単位を使用していることを前提としており、Unicode文字を1バイト、2バイト、3バイトまたは4バイトにマップします。 UTF-16は単語を単位として使用し、Unicode文字を1または2ワード（2または4バイト）にマッピングするものです。 stringとwchar_tの両方でエンコードを使用できます。 UTF-8は英語のテキスト/数字に対してよりコンパクトになる傾向があります。

いくつかのものは関係なく、エンコーディングおよび使用されるタイプ（比較）の動作します。しかし、1文字を理解する必要のあるすべての機能が壊れてしまいます。つまり、5番目の文字は、常に配列の5番目のエントリではありません。それは特定の例で動作しているように見えるかもしれませんが、最終的には壊れます。 string :: compareは動作しますが、アルファベット順の取得は期待しません。それは言語に依存します。 string :: find_first_ofは一部では機能しますが、すべてではありません。長い文字列は長くても機能しますが、短い文字は文字の配置によって混乱し、バグを見つけるのは非常に困難です。

最善のことはあなたのためにそれを処理し、（あなたはどちらか一方を選択する強力な理由がない限り）の下にタイプを無視するライブラリを見つけることです。

Answer 2

あなたがそれらのために正しいです：strが[3]、必ずしも唯一のダミー機能レスバイト配列としてそれらを使用して...第四文字を指していないことを意味
... ...

C++の文字列はASCII文字しか扱えません。これは、Unicode文字を扱うことができるJavaのStringとは異なります。あなたは、符号化結果文字列に漢字の（バイト）（charはCに/ C++は単なるバイトで）保存することができますが、これは、あなたがそれを処理するために、文字列関数を使用することはできませんので、ちょうど、アスキー文字としてバイトを扱う文字列として無意味です。
wstringが必要な場合があります。

明確にしなければならないものがあります。 UTF-8はUnicode文字のエンコード方法です（バイト形式からバイト形式への変換）。

Answer 3

std :: stringまたは標準ライブラリの他のツールでUnicodeを処理することはできません。 http://utfcpp.sourceforge.net/