String 按字符拆分Erlang UTF8二进制文件

如何拆分二进制Erlang字符串，将其数据作为UTF8字符处理

假设我们有一个二进制文件，它应该分为两部分，第一部分应该包含前两个UTF8字符。这里有几个例子：

应该变成

[，]

---

应该变成

[，]

尽管如此，我还是不太清楚，但我认为这会让这个把戏成功：

Eshell V6.2  (abort with ^G)          
1> Input = <<"ąčęė">>.                
<<"ąčęė">>                            
2> L = [X || <<X:2/binary>> <= Input].
[<<"ąč">>,<<"ęė">>]                   
3>

---

尽管如此，我还是不清楚，但我认为这会让我变得更聪明：

Eshell V6.2  (abort with ^G)          
1> Input = <<"ąčęė">>.                
<<"ąčęė">>                            
2> L = [X || <<X:2/binary>> <= Input].
[<<"ąč">>,<<"ęė">>]                   
3>

---

要将utf-8编码的二进制字符串拆分为两部分，第一部分包含前两个字符，第二部分包含其余字符，您可以使用以下函数：

split_2(<<One/utf8,Two/utf8,Rest/binary>>) ->
    %% One and Two are now the unicode codepoints of the first 2 characters.
    [<<One/utf8,Two/utf8>>,Rest].

split_2（）->
%%1和2现在是前2个字符的unicode代码点。
[，休息]。

将二进制与utf8匹配将提取第一个utf-8编码字符，并将unicode码点作为整数返回，这就是为什么我们必须构建前两个字符的结果二进制。如果二进制文件中没有2个utf-8编码字符，此函数将失败

---

位字符串和二进制的区别在于，二进制的大小必须是8位的倍数，而位字符串可以是任意大小。

要将utf-8编码的二进制字符串分成两部分，第一部分包含前两个字符，第二部分包含其余字符，您可以使用该函数：

split_2(<<One/utf8,Two/utf8,Rest/binary>>) ->
    %% One and Two are now the unicode codepoints of the first 2 characters.
    [<<One/utf8,Two/utf8>>,Rest].

split_2（）->
%%1和2现在是前2个字符的unicode代码点。
[，休息]。

将二进制与utf8匹配将提取第一个utf-8编码字符，并将unicode码点作为整数返回，这就是为什么我们必须构建前两个字符的结果二进制。如果二进制文件中没有2个utf-8编码字符，此函数将失败

---

位字符串和二进制的区别在于，二进制的大小必须是8位的倍数，而位字符串可以是任意大小。

碰巧需要这样的函数。以下是我的结论：

trunc_utf8(Utf8s, Count) ->
    trunc_utf8(Utf8s, Count, <<>>).
trunc_utf8(<<>>, _Count, Acc) -> Acc;
trunc_utf8(_Utf8s, 0, Acc) -> Acc;
trunc_utf8(<<H/utf8, T/binary>> = _Utf8s, Count, Acc) ->
    trunc_utf8(T, Count - 1, <<Acc/binary, H/utf8>>).

trunc\u utf8（Utf8s，计数）->
trunc_utf8（Utf8s，Count，）。
trunc_utf8（，_Count，Acc）->Acc；
trunc_utf8（_Utf8s，0，Acc）->Acc；
trunc\u utf8（\u Utf8s，Count，Acc）->
trunc_utf8（T，计数-1，）。

碰巧需要这样的函数。以下是我的结论：

trunc_utf8(Utf8s, Count) ->
    trunc_utf8(Utf8s, Count, <<>>).
trunc_utf8(<<>>, _Count, Acc) -> Acc;
trunc_utf8(_Utf8s, 0, Acc) -> Acc;
trunc_utf8(<<H/utf8, T/binary>> = _Utf8s, Count, Acc) ->
    trunc_utf8(T, Count - 1, <<Acc/binary, H/utf8>>).

trunc\u utf8（Utf8s，计数）->
trunc_utf8（Utf8s，Count，）。
trunc_utf8（，_Count，Acc）->Acc；
trunc_utf8（_Utf8s，0，Acc）->Acc；
trunc\u utf8（\u Utf8s，Count，Acc）->
trunc_utf8（T，计数-1，）。

很抱歉，我不明白您想要得到什么结果？我正在寻找一种基于字符数而不是字节数拆分二进制UTF8字符串的方法。很抱歉，我不明白您想要得到什么结果？我正在寻找一种基于字符数拆分二进制UTF8字符串的方法，不是字节。我的意思是数据应该由字符索引，而不是字节或位。恐怕您的代码片段对长度不均匀的字符串不起作用，而且结果应该是二进制文件，而不是位字符串。@cnduo您应该更清楚地表述这个问题。显示您希望看到的结果。可以将上述代码2替换为1并获取：[，，，，]请查看我的最新编辑。删除了可能存在的冗余和误导性信息。我的意思是，数据应该按字符而不是字节或位进行索引。恐怕您的代码片段对长度不均匀的字符串不起作用，而且结果应该是二进制文件，而不是位字符串。@cnduo您应该更清楚地表述这个问题。显示您希望看到的结果。可以将上述代码2替换为1并获取：[，，，，]请查看我的最新编辑。删除了可能存在的冗余和误导性信息。感谢您的回复。那么任意数量的字符如何分割呢？@cnduo恐怕你必须使用递归函数，一个接一个地提取字符，因为你看不到有多少字节对应你的字符数，换句话说，你必须解析所有的utf8字符，正如@kitty所说的。您只能显式地从二进制文件的前面提取字符，这里我取2，因此如果您想要一个任意数，那么您需要在二进制文件上递归。谢谢您的回复。那么任意数量的字符如何分割呢？@cnduo恐怕你必须使用递归函数，一个接一个地提取字符，因为你看不到有多少字节对应你的字符数，换句话说，你必须解析所有的utf8字符，正如@kitty所说的。您只能显式地从二进制前面提取字符，这里我取2，所以如果您想要一个任意数，那么您需要在二进制上递归。