C 如何导航UTF-8文本文件

我有一个UTF-8格式的文本文件，我需要在C中导航。我需要将该文件拆分为单独的较小文件（即，将其切成两半）。发生这种情况时，它有时会将多字节字符拆分为两个不同的文件。当哑文本编辑器读取包含后半部文本的文件时，它会读取剪切字符的后半部并变得混乱，从而无法正确显示其余文本。如果我一个字节一个字节地读，我怎么知道我是在字符的开头还是在中间？不兼容ascii的UTF-8字符都以设置为1的前导位开始，但有些是两个字节，有些是三个字节

---

Edit:Nevermind，我刚刚发现第一个字节包含字符长的前导1数。即三字节字符是1110xxxx xxxxxxxxxxxxxxxxxxxx。

所有UTF-8字符都由一个前导字节和零个或多个连续字节组成。所有的延续字节都是二进制格式的“10xxxxxx”。因此，所有前导字节都是两种形式之一：“0xxxxxxx”或“11xxxxxx”。

UTF-8字符用1到4个字节表示

如果您有以下二进制模式，请检查一个字节：

10xxxxxx

你处于一个多字节的中间。你应该继续演下一个主角

 110xxxxx

如果您有：

0xxxxxxx

您有一个1字节字符

 110xxxxx

是2字节字符的前导字节

 1110xxxx

if ((*s & 0xc0) == 0x80) /* You are in the middle of */;

是3字节字符的前导字节

 1110xxxx

if ((*s & 0xc0) == 0x80) /* You are in the middle of */;

及

---

是4字节字符的前导字节

。。。前进，直到到达前导字节？！在行终止符处拆分它是明智的，

'\n'

。顺便说一句，仅在代码点边界处拆分也不起作用。如果分裂发生在组合字符（例如，字母和diaCiple，或者在HANGUL序列中间），则也会出现渲染问题。@ RICI：是的，但是它仍然会产生有效的，尽管是UTF-8文件。@ R.:有效，是的。但是它们可能不能正确显示，这是我理解的问题的一部分。“行不通”太极端了。

 1110xxxx

if ((*s & 0xc0) == 0x80) /* You are in the middle of */;