請教中文斷字問題

s5unty

要求在一個(gè)包含漢字的文本文件中搜索一串字符，如果搜索成功，返回該字符串前后一定區(qū)域內(nèi)的文本內(nèi)容。

假設(shè)有文件 foo.utf8
內(nèi)容為: 中華人民abc共和國
搜索關(guān)鍵字為: abc
返回區(qū)域的最大長度為: 11，(即10個(gè)英文字符或5個(gè)漢字)

　　　　　　　　　　　　p
　　　　　　　　　　　   |
內(nèi)容 - 中　 華　 人　 民　a　b　c　 共　和　國
位置 - 12　34　56　78　9　a　b　cd　ef　gh

當(dāng)我加載了 foo.utf8 后，用 strstr 定位到 p 處，然后準(zhǔn)備返回搜索結(jié)果(應(yīng)該是"人民abc共"，長度9)，

問題是當(dāng)我移動 p 指針時(shí)，有可能會移動到位置6處，這樣一來返回結(jié)果就是亂碼；

而且即使我再往前移動到5處，偶爾還是會有問題(因?yàn)槲疫�要把 utf8 的搜索結(jié)果，再轉(zhuǎn)到 GB2312)

請問 C++ 中有沒有像 PHP 語言中 mb_* 開頭的函數(shù)，可以自動判斷漢字并準(zhǔn)確定位到起始位置？

歡迎任何意見，謝謝

[ 本帖最后由 s5unty 于 2008-8-23 11:05 編輯 ]

happy_fish100

一個(gè)漢字如此采用UTF-8編碼為3字節(jié)，GB編碼為2字節(jié)
如果采用GB編碼，搜索時(shí)可能會出現(xiàn)錯(cuò)位的情況，即從漢字的低字節(jié)開始匹配成功。
建議采用UTF-8字符集，這樣不會出現(xiàn)錯(cuò)位現(xiàn)象。
C/C++中字符集轉(zhuǎn)換可以使用iconv。

s5unty

wchar_t out[4] = L"ab";
printf("%ls\n", out);