std::mblen

来自cppreference.com
< cpp‎ | string‎ | multibyte
在标头 <cstdlib> 定义
int mblen( const char* s, std::size_t n );

确定多字节字符的字节大小,其首字节为 s 所指向。

s 是空指针,则重置全局转换状态并确定是否使用迁移序列。

此函数等价于调用 std::mbtowc((wchar_t*)0, s, n) ,除了不影响 std::mbtowc 的转换状态。

注解

每次对 mblen 的调用更新内部全局转换状态( std::mbstate_t 类型的静态对象,只为此函数所知)。若多字节编码使用迁移状态,则必须留意以避免回撤或多次扫描。任何情况下,多线程不应无同步地调用 mblen :可用 std::mbrlen 代替。

参数

s - 指向多字节字符的指针
n - s中能被检验的字节数限制

返回值

s 不是空指针,则返回多字节字符所含的字节数,或若 s 所指的首字节不组成合法多字节字符则返回 -1 ,或若 s 指向空字符 '\0' 则返回 0

s 是空指针,则重置内部转换状态为初始迁移状态,并若当前多字节编码非状态依赖(不使用迁移序列)则返回 0 ,或者若当前多字节编码为状态依赖(使用迁移序列)则返回非零。

示例

#include <clocale>
#include <cstdlib>
#include <iomanip>
#include <iostream>
#include <stdexcept>
#include <string_view>
 
// 多字节字符串中的字符数是 mblen() 的和
// 注意:更简单的手段是 std::mbstowcs(NULL, s.c_str(), s.size())
std::size_t strlen_mb(const std::string_view s)
{
    std::size_t result = 0;
    const char* ptr = s.data();
    const char* end = ptr + s.size();
    std::mblen(NULL, 0); // 重置转换状态
    while (ptr < end) {
        int next = std::mblen(ptr, end-ptr);
        if (next == -1) {
            throw std::runtime_error("strlen_mb(): conversion error");
        }
        ptr += next;
        ++result;
    }
    return result;
}
 
void dump_bytes(const std::string_view str)
{
    std::cout << std::hex << std::uppercase << std::setfill('0');
    for (unsigned char c : str)
        std::cout << std::setw(2) << static_cast<int>(c) << ' ';
    std::cout << std::dec << '\n';
}
 
int main()
{
    // 允许 mblen() 以 UTF-8 多字节编码工作
    std::setlocale(LC_ALL, "en_US.utf8");
    // UTF-8 窄多字节编码
    const std::string_view str = "z\u00df\u6c34\U0001f34c"; // 或 u8"zß水🍌"
    std::cout << std::quoted(str) << " is " << strlen_mb(str)
              << " characters, but as much as " << str.size() << " bytes: ";
    dump_bytes(str);
}

可能的输出:

zß水🍌 is 10 bytes, but only 4 characters

参阅

将下一个多字节字符转换成宽字符
(函数)
给定状态,返回下一个多字节字符中的字节数
(函数)