如何在Linux上用C获取文件中的字符数（而不是字节数）

我想获取文件中的字符数。我所说的字符是指“真实”字符，而不是字节。假设我知道文件编码

我试图使用

mbstowcs（）

，但它不起作用，因为它使用了系统区域设置（或使用setlocale定义的区域设置）。因为setlocale不是线程安全的，所以我认为在调用

mbstowcs（）

之前使用它不是一个好主意。即使是安全的，我也要确保 我的程序不会在调用

setlocale（）

之间“跳转”（信号等）（一次调用将其设置为文件编码，一次调用将其还原为上一次调用）

因此，举个例子，假设我们有一个文件ru.txt，使用俄语编码（例如KOI8）。因此，我想打开文件并获取字符数，假设文件的编码是KOI8

如果

mbstowcs（）

可以采用

source\u编码

参数，那就很容易了

编辑：使用

mbstowcs（）

的另一个问题是，必须在系统上安装与文件编码对应的区域设置…

我建议使用iconv（3）：

名称
iconv-执行字符集转换
提要
#包括
尺寸图标（图标cd，
字符**inbuf，大小*inbytesleft，
字符**EXPUF，大小*OUTBYTESLEET）；

---

并转换为utf32。每转换一个字符就有4字节的输出（BOM表加上2字节）。如果仔细选择outbytesleft（即4*inbytesleft+2:-），则可以使用固定大小的EXBUFF逐段转换输入。要计算文件中的UTF8字符数，只需将其内容传递到此函数：

int CalcUTF8Chars( const std::string& S )
{
    int Count = 0;

    for ( size_t i = 0; i != S.length(); i++ )
    {
        if ( ( S[i] & 0xC0 ) != 0x80 ) { Count++; }
    }

    return Count;
}

没有外部依赖关系

更新：

如果要处理其他不同的编码，您有两种选择：

使用能够处理它的第三方库，例如ICU

为您想要使用的每种编码自己编写计算函数

---

我认为您可以通过选择具有定义字节顺序的输出编码（例如“UTF-32BE”）来摆脱BOM。通过选择具有定义字节顺序的输出编码（例如“UTF-32BE”）来摆脱BOM。=>是的，你是对的，事实确实如此，至少在iconv（1）程序中是这样。这应该可以工作，但我不能在EXPUF:strlen等上使用任何字符串操作函数。我必须编写一个utf32_strlen（）函数，将strlen（）/4和减2分开。有更好的方法吗？@ThibautD.：

iconv（）

返回转换后的字符数，因此无需确定转换后字符串的长度。@ThibautD.：在我的Linux系统上，

iconv--list

的输出显示“WCHAR\u T”也是受支持的输出编码。-BTW.你的问题只是计算字符数，所以我不认为这个答案是“固定到一个特殊的情况”，而是解决你的问题。在我的例子中，我的文件没有被编码在UTF-8中。我正在寻找一种可移植的方法，而不是为每个编码都编写一个函数。您的文件的编码是什么？您的问题被标记为UNICODE。它可以是任何编码。这是一个一般性的问题。我只是假设我们知道编码。问题（据我所知）是关于计算文件中指定编码的字符数，而不是计算UTF-8字符数。但是您的问题被标记为

unicode

，并且您提到了Linux上的UTF8。

int CalcUTF8Chars( const std::string& S )
{
    int Count = 0;

    for ( size_t i = 0; i != S.length(); i++ )
    {
        if ( ( S[i] & 0xC0 ) != 0x80 ) { Count++; }
    }

    return Count;
}