C++ 字符串代码点和代码单元有什么好的解决方案吗？

在 Java 中，字符串有以下方法：

length()/charAt(), codePointCount()/codePointAt()

C++11有std::string a = u8"很烫烫的一锅汤";

but a.size()是char数组的长度，无法索引unicode char。

C++ 字符串中的 unicode 有解决方案吗？

我一般会转换UTF-8字符串到宽UTF-32/UCS-2进行字符操作之前的字符串。C++实际上确实为我们提供了执行此操作的函数，但它们对用户不太友好，因此我在这里编写了一些更好的转换函数：

// This should convert to whatever the system wide character encoding 
// is for the platform (UTF-32/Linux - UCS-2/Windows)
std::string ws_to_utf8(std::wstring const& s)
{
    std::wstring_convert<std::codecvt_utf8<wchar_t>, wchar_t> cnv;
    std::string utf8 = cnv.to_bytes(s);
    if(cnv.converted() < s.size())
        throw std::runtime_error("incomplete conversion");
    return utf8;
}

std::wstring utf8_to_ws(std::string const& utf8)
{
    std::wstring_convert<std::codecvt_utf8<wchar_t>, wchar_t> cnv;
    std::wstring s = cnv.from_bytes(utf8);
    if(cnv.converted() < utf8.size())
        throw std::runtime_error("incomplete conversion");
    return s;
}

int main()
{
    std::string s = u8"很烫烫的一锅汤";

    auto w = utf8_to_ws(s); // convert to wide (UTF-32/UCS-2)

    // now we can use code-point indexes on the wide string

    std::cout << s << " is " << w.size() << " characters long" << '\n';
}

Output:

很烫烫的一锅汤 is 7 characters long

如果您想转换为和从UTF-32无论平台如何，您都可以使用以下（未经充分测试）转换例程：

std::string utf32_to_utf8(std::u32string const& utf32)
{
    std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t> cnv;
    std::string utf8 = cnv.to_bytes(utf32);
    if(cnv.converted() < utf32.size())
        throw std::runtime_error("incomplete conversion");
    return utf8;
}

std::u32string utf8_to_utf32(std::string const& utf8)
{
    std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t> cnv;
    std::u32string utf32 = cnv.from_bytes(utf8);
    if(cnv.converted() < utf8.size())
        throw std::runtime_error("incomplete conversion");
    return utf32;
}

NOTE: As of C++17 std::wstring_convert is 已弃用.

However我仍然更喜欢使用它而不是第三方库，因为它是portable，它避免了外部依赖性，在提供替换之前不会将其删除，并且在所有情况下都可以轻松替换实施无需更改使用这些函数的所有代码。