C GTK字符计数与字节索引

在GtkTextBuffer中

我可以看到GTK+将西里尔字符存储在两个字节中（这让我有点困惑，我认为它存储的是UTF-8编码的字符，因此每个字符都必须在一个字节中？）

这导致了一个问题-我正在扫描循环中作为字符串的文本，我需要根据循环中的索引引用相应的字符位置，但是它们不再具有相应的索引，因为文本包含西里尔文。字符数为8310，字符串大小约为11300

如果我在正在扫描的字符串上使用

g\u str\u to_ascii（）

，稍后，当我在树状视图小部件上显示字符串的某些内容时，它会将西里尔字符显示为

？

s

我该如何避开这个问题

---

如果我放置西里尔字母字符，这将打印出

[1][2]

，如果我分别放置两个西里尔字母字符，这将打印出

[2][4]

这些是西里尔字母“а”（char/dec）的字节：

---

您想做什么还不完全清楚，但是如果您只需要一次处理一个Unicode字符的整个UTF-8字符串，这些函数可能会有所帮助，请参见例如g_UTF_next_char（）和g_UTF_get_char（）

这不会改变字符是Unicode的事实，因此可能是多字节字符

---

如果您的目标是能够基于匹配的单词修改缓冲区，那么您应该查看GtkTextIter API：作为一个示例，您可以使用它来获取可以直接在GtkTextBuffer API中使用的开始和结束ITER。这样你就不需要处理实际的字符或字节索引。

这里有一个关于UTF-8的误解：它是一种可变长度编码（每个字符1-4字节），这就是你看到的原因。@jku我明白了。我的专业领域不是编码，我确实很困惑。我认为它是UTF-8，它是一种字节长度编码：）但是如果我最后不解决这个问题，我将不得不创建一个西里尔字母到拉丁字母的音译器，并用拉丁字母替换西里尔字母。UTF-8可以使用1到4个字节来编码字符。一个选项：您可以将UTF-8缓冲区转换为UTF-16，并使用后者的索引。换句话说，想象字符串“Hello World”，并将其设置在gtk文本缓冲区上。我想从索引6中获取文本缓冲区中“W”的字符位置。这是编码问题。直接访问索引6处的字符是不可能的（除了通过所有字符并在索引6处停止的代码）。。。。但我认为，如果你解释你真正想要实现的目标，可能还有其他解决方案：你为什么要这样做？索引6从何而来？我已经解释过我正在扫描文本缓冲区的内容作为字符串。假设我想匹配某个单词并在文本缓冲区中选择它。我不认为你解释说你实际上想匹配某个单词并在缓冲区中选择它：）好的，通过正确的处理和使用

GtkTextIter

API，我做到了。我希望不会慢很多。

G_MODULE_EXPORT void on_textbuffer_changed (GtkTextBuffer* textbuffer, gpointer user_data)
{
    GtkTextIter start   = {0};
    GtkTextIter end     = {0};
    gchar*      text    = NULL;

    gtk_text_buffer_get_bounds(textbuffer, &start, &end);

    text = gtk_text_buffer_get_text(textbuffer, &start, &end, FALSE);

    printf("[%i][%i]\n", gtk_text_buffer_get_char_count(textbuffer), strlen(text));

    g_free(text);
}