C语言 Ubuntu系统 UTF-8 文字处理

　　关于UTF-8的规则：https://baike.baidu.com/item/UTF-8/481798?fr=aladdin

　　使用windows系统下的Ubuntu子系统，实现C语言对UTF-8编码格式的文字处理。

　　

#include <stdio.h>

// 根据UTF-8的编码格式，打印处文字以及它们相应的编码
// 形参：获取一个无符号字符指针
void PrintUTF8Encoding(unsigned char *str)
{
    unsigned char *chr = str;
    // 根据UTF-8的规则，一个文字占几个字节可以从首个编码的二进制高位数看出来
    // 0代表1个字节，11代表两个字节，以此类推，最多有六个字节  
    unsigned char bytesArr[] = {0b0, 0b11, 0b111, 0b1111, 0b11111, 0b111111};
    int i, j;
    // bytes存储当前字符的字节数
    int bytes;
    unsigned char *tmp;
    // C中字符字面量都由''结尾
    while (*chr != '')
    {
        // 依次循环，确认当前字符有多少个字节 
        for (i = 6; i > 0; i--)
        {
            j = 8 - i;
            if ((*chr>>j) == bytesArr[i-1])
            {
                bytes = i;    
                break;
            }    
        }    
        // 循环打印出当前字符的字节
        // 注意：多字节必须放在一起打印才能显示出正确的文字
        tmp = chr;
        for (i = 0; i < bytes; i++)
        {
            putchar(*tmp);
            ++tmp;
        }
        // 打印出字节的十六进制编码
        printf(": ");
        tmp = chr;
        for (i = 0; i < bytes; i++)
        {
            printf("%x-", *tmp);
            ++tmp;
        }
        printf(" 
");
        // 根据当前字符的字节数，跳过相应个字节
        chr += bytes;
    }
}

int main()
{
    PrintUTF8Encoding("Hello, world!¡Hast, mañana!你好，世界！よこそ！");

    return 0;
}