获取 UTF8 字符串的长度

Question

如何获取 UTF-8 编码形式（PHP 的 mb_strlen(.., 'UTF-8') 等效形式）字符串的长度（不是字节数）？

我尝试了string.characters.count，但它没有为某些字符（如表情符号）返回正确的长度。

例子：

let s = "✌????️"
print(s.characters.count) // prints 2, but should print 3.

Answer 1

您可以使用.utf8 属性访问字符串的UTF-8 编码。使用count 获取字符串中UTF-8 代码单元的数量：

let string = "\u{1f603}" // One of the smiley face emojis...

print(string.utf8.count) // prints "4"

根据您编辑的问题，您可能正在寻找的是用于编码字符串的UnicodeScalars 的数量。您可以使用 unicodeScalars 属性访问它：

let s = "✌?️"
print(s.unicodeScalars.count) // prints 3

每个人都感到困惑的原因是因为您最初的问题要求提供 UTF-8 编码形式的字符串长度。您真正想要的答案与 UTF-8 编码形式的字符串长度无关。

我认为您对 Unicode“扩展字形簇”、Unicode 代码点和可用于对 Unicode 代码点进行编码的各种编码（如 UTF-8）之间的区别感到困惑。

Swift 中的Character 表示 Unicode 所称的“扩展字形簇”。也就是说，它是一个单一的视觉字符，即使它是由多个 Unicode 码位组成的。

Unicode 代码点是一个单一的语言符号，它被赋予一个 32 位的值。两个或多个 Unicode 代码点可以组合创建一个 Character。在 Swift 中，Unicode 代码点由 UnicodeScalar 类型表示。

当需要存储字符串、通过 Internet 发送或将其转换为以字节表示的数据时，您必须决定如何对其进行编码。编码有很多种，最常见的可能是UTF-8，它将字符串编码为一系列UInt8值。

这只是三个概念之间差异的简要说明。这实际上是一个非常有趣的主题，如果您搜索其中一些术语，您会发现更多有用的信息。

Answer 2

let str = "ačŘ"
print("str has \(str.characters.count) characters") // 3
print("and \(str.utf8.count) bytes as encoded in UTF-8") // 5

更新（根据你的笔记）

let s = "✌?️"

let arr:[UInt8] = [226, 156, 140, 240, 159, 143, 191, 239, 184, 143]
var arrCchar = arr.map { (uint8) -> Int8 in
    Int8(bitPattern: uint8)
}
arrCchar += [0] // to be null terminated

let str = String.fromCString(&arrCchar)
print(str) // Optional("✌?️")
s == str // TRUE !!!!

按字符

s.characters.forEach { (c) -> () in
    let str = String(c)
    print(str.utf8.map{$0}, "which represents character: ", c)
    str.unicodeScalars.forEach({ (u) -> () in
        print("composed from unicode scalar(s): ", u.debugDescription)
    })
}
/*
[226, 156, 140] which represents character:  ✌
composed from unicode scalar(s):  "\u{270C}"
[240, 159, 143, 191, 239, 184, 143] which represents character:  ?️
composed from unicode scalar(s):  "\u{0001F3FF}"
composed from unicode scalar(s):  "\u{FE0F}"
*/ 

Unicode 中的每个字符都可以由一个或多个 Unicode 标量表示。 unicode 标量是字符或修饰符的唯一 21 位数字（和名称），例如 U+0061 表示小写拉丁字母 A("a")，或 U+1F425 表示正面小鸡 ("\U0001f425 ”）。 当将 Unicode 字符串写入文本文件或其他存储时，这些 un​​icode 标量会以几种 Unicode 定义的格式之一进行编码。每种格式都将字符串编码为称为代码单元的小块。其中包括 UTF-8 格式（将字符串编码为 8 位代码单元）和 UTF-16 格式（将字符串编码为 16 位代码单元）。

//复制自 Apple Developer swift 编程指南