strlen函数处理含非英文字符字符串时返回错误长度的问题咨询

问题本质 #

strlen()根本不是统计字符个数，它只算字符串里的字节数。

像ñ这种非ASCII字符，在UTF-8编码下占2个字节，而普通英文字母每个只占1个字节。所以"ñova"的总字节数是2+1+1+1=5，这就是strlen返回5的原因，你预期的4是实际的字符数量，两者统计维度完全不一样。

解决办法 #

如果要统计实际的字符个数，得用支持多字节字符的工具：

• C语言方案：
  可以先把多字节字符串转成宽字符，再用wcslen()统计，示例代码如下：

  #include <stdio.h>
  #include <wchar.h>
  #include <locale.h>
  #include <string.h>
  
  int main() {
      // 必须设置本地化，否则无法正确识别UTF-8
      setlocale(LC_ALL, "");
      
      const char *input = "ñova";
      
      // 字节数（strlen的结果）
      printf("strlen输出：%zu\n", strlen(input));
      
      // 转宽字符统计实际字符数
      wchar_t wide_str[64];
      mbstowcs(wide_str, input, sizeof(wide_str)/sizeof(wchar_t));
      printf("实际字符数：%zu\n", wcslen(wide_str));
      
      return 0;
  }
  

  运行后会输出：

  strlen输出：5
  实际字符数：4

  也可以手动遍历字符串：检查每个字节的最高位，若为0则是单字节字符，计数+1；若为1则是多字节起始，跳过对应字节后计数+1（UTF-8中多字节字符的起始字节会以11开头，后续字节以10开头）。

内容的提问来源于stack exchange，提问作者Bover