C/C++中文字符截断问题解决方案

设s是一个包含中文的长字符串，现在需要截取其开头的内容作为预览。

由于汉字是用三个char表示，如果直接截取固定长度的substr，最后一个中文字符有可能会被截断，成为一个无法显示的�字符。

所以需要判断字符是不是中文，并且保持汉字一定是按三个字符截取的。

将字符串用%x格式打印出来，可以发现中文的字符的char值都是0xffffffe6这样的，而非中文字符则是0x2e，0x61这样。

所以只需要在一个循环中从开头开始比较字符值，大于0xffffff80（或者大于0x80也行）的值则下标+3，否则下标+1，即可保证汉字始终被完整截取。

注意0xffffff80是一个负数，需要先转为unsigned int再比较大小。

 

代码如下：

string s = "1234你我他abcde，。,.";
int length = 60;

const char * chs = s.c_str();
int end = 0;
while(end < strlen(chs) && end < length) {
    end += ((unsigned int)chs[end] > 0x80) ? 3 : 1;
}
if (end > s.length()) {
    end = s.length();
}
return s.substr(0, end);