C语言strlen()统计含变音字母字符串字符数错误，如何获取实际字符数？

你的问题核心是strlen()仅统计字符串的字节数，而非视觉或语义上的实际字符数。像ä、ö、ü这类变音字母在UTF-8编码中通常占用2个字节，所以strlen会误将单个变音字母算作2个“字符”。以下是两种可靠的解决方案：

1. 手动解析UTF-8编码实现统计 #

UTF-8有明确的编码规则，我们可以据此遍历字符串，统计真正的字符数量：

• 单字节字符：最高位为0（二进制0xxxxxxx），占1字节
• 多字节字符：首字节前n位为1，第n+1位为0，后续n-1个字节均以10开头

基于此编写的统计函数：

#include <stdio.h>

size_t utf8_strlen(const char *s) {
    size_t count = 0;
    while (*s) {
        // 跳过多字节字符的后续字节（最高两位为10的字节）
        if ((*s & 0xC0) != 0x80) {
            count++;
        }
        s++;
    }
    return count;
}

int main() {
    printf("%zu\n", utf8_strlen("abc"));    // 输出：3
    printf("%zu\n", utf8_strlen("äbc"));   // 输出：3
    printf("%zu\n", utf8_strlen("äöü"));   // 输出：3
    return 0;
}

这个方法轻量且不依赖外部库，适合跨平台场景，只要输入是标准UTF-8编码就能准确统计。

2. 利用系统宽字符库函数 #

在支持UTF-8的系统中，可以通过mbstowcs()将UTF-8字符串转换为宽字符字符串，再用wcslen()统计宽字符数量：

#include <stdio.h>
#include <wchar.h>
#include <stdlib.h>
#include <locale.h>

size_t utf8_strlen_lib(const char *s) {
    // 设置locale为系统当前值，确保支持UTF-8解析
    setlocale(LC_ALL, "");
    // 分配足够的内存存储宽字符（最坏情况每个字节对应一个宽字符）
    wchar_t *wstr = malloc((strlen(s) + 1) * sizeof(wchar_t));
    if (!wstr) return 0;
    // 转换多字节字符串到宽字符串
    mbstowcs(wstr, s, strlen(s) + 1);
    size_t len = wcslen(wstr);
    free(wstr);
    return len;
}

int main() {
    printf("%zu\n", utf8_strlen_lib("abc"));    // 输出：3
    printf("%zu\n", utf8_strlen_lib("äbc"));   // 输出：3
    printf("%zu\n", utf8_strlen_lib("äöü"));   // 输出：3
    return 0;
}

注意：此方法依赖系统locale配置，需确保运行环境的locale为UTF-8（如en_US.UTF-8），否则转换可能失败。

关键提示 #

• 以上方法仅适用于UTF-8编码的字符串，如果你的输入是其他编码（如GBK），需要对应编码的解析逻辑。
• 手动解析的方法更可控，适合嵌入式或对依赖要求严格的场景；库函数方法更简洁，适合普通桌面或服务器程序。

内容的提问来源于stack exchange，提问作者GoldNova