C++ c++；拆下非utf8

我正在验证字符串是否为utf8。 我从glib中找到了方法，它返回：

• 对/错
• 从字符串中读取的最后一个有效数据的位置

除此之外，ge还有可能获得非utf8部分之后的有效数据吗？例如：

std:：string invalid=“okdata\xa0\xa1morevalid”；

目前，我可以保存“okdata”，但我希望获得“okdatamorevalid”

---

有什么想法吗？谢谢。

您可以继续调用剩余字符串上的

g\u utf8\u validate

（每次跳过第一个字节），以查找更多有效部分：

#include <iostream>
#include <string>

#include <glib.h>

int main() {
  char const *data = "okdata\xa0\xa1morevalid";
  std::string s;

  // Under the assumption that the string is null-terminated.
  // Otherwise you'll have to know the length in advance, pass it to
  // g_utf8_validate and reduce it by (pend - p) every iteration. The
  // loop condition would then be remaining_size > 0 instead of *pend != '\0'.
  for(char const *p = data, *pend = data; *pend != '\0'; p = pend + 1) {
    g_utf8_validate(p, -1, &pend);
    s.append(p, pend);
  }

  std::cout << s << std::endl; // prints "okdatamorevalid"
}

#包括
#包括
#包括
int main（）{
char const*data=“okdata\xa0\xa1morevalid”；
std：：字符串s；
//假设字符串以null结尾。
//否则，您必须提前知道长度，将其传递给
//g_utf8_每次迭代验证并减少（pend-p）
//循环条件将保持_size>0，而不是*pend！='\0'。
对于（字符常量*p=data，*pend=data；*pend！='\0'；p=pend+1）{
g_utf8_验证（p，-1，&pend）；
s、 追加（p，pend）；
}
std：：cout您可以在循环中调用它。类似这样的内容：

std::string sanitize_utf8(const std::string &in) {
    std::string result;
    const char *ptr = in.data(), *end = ptr + in.size();
    while (true) {
        const char *ptr2;
        g_utf8_validate(ptr, end - ptr, &ptr2);
        result.append(ptr, ptr2);
        if (ptr2 == end)
            break;
        ptr = ptr2 + 1;
    }
    return result;
}

由于无效数据不是UTF-8，因此您无法对其长度进行假设，并且必须一次跳过一个字节。不幸的是，除非您知道错误数据的原因，但您没有告诉我们。但是，您可以实现“扫描下一个有效字节”您自己。谢谢。我正在确保使用c_str以null结尾，正如我所读到的，c_str可以保证这一点，因为：
const char*toFilter=inputString.c_str（）；
是的。如果您不想在文本中嵌入null字节，您可以使用上述不变的方法。