linux C 语言如何遍历 utf-8字符

Question

我的需求是从utf-8文件读入到内存，然后想遍历它来寻找某个特殊字符。我的代码片段://检查utf-8字符所占字节数#defineUTF8_CHAR_LEN(byte)(((0xE5000000>>((byte>>3)&0x1e))&3)+1)FILE*fp=fopen(PATH_TO_FILE,"r");char*buf=malloc(LENGTH_OF_FILE*sizeof(char));fgets(buf,LENGTH_OF_FILE,fp);intstep=0;for(;*(buf+step)!='\0';++step){intutf8_word_len=UTF8_CHAR_LEN(buf+step);//utf8是多字节的，我也确定了编码是utf-8所以不需要判断是否是其他的编码了if(utf8_word_len>1){charword[utf8_word_len];strncpy(word,(buf+step),urf8_word_len);step+=urf8_word_len;//这里就可以输出中文了，但是很奇怪啊，输出中文字符后还有一个很奇怪的字符//肯定是我哪里搞错了，还请高手指点.printf("%s\n",word);}else{printf("%c\n",buf+step);}}fclose(fp);free(buf);问题是，当文件遇到utf-8编码的中文，这段代码就输出乱码了。我知道%c是输出一个字节的内容，utf-8里面中文可能需要3个字节，所以有乱码会；但是自己不知道怎么处理utf-8字符的遍历。求高手解答.PS:我是想从字符指针去遍历utf-8的字符哦，不是想做编码转换的.

Answer 1

使用glib的utf8相关函数，或者转成wchar。或者拿iconv把编码转成utf32然后用uint32_t表示字符也成。
                            

Answer 2

加入文件是utf-8编码，内容如下：
我是来自上海的互联网程序员，主要从事Web/游戏/手机服务器开发.
下面C代码可以一个一个的读入这些中文字符():
#defineUTF8_CHAR_LEN(byte)(((0xE5000000>>((byte>>3)&0x1e))&3)+1)
charcontent[255];//一行一行的读入文件，255的话大概满足需求了；这个代码片段也只是测试用.
FILE*data_file=fopen("path/to/file","r");
if(!data_file){
fprintf(stderr,"errorhappenedwhenreadfile:%s","path/to/file");
return-1;
}
fgets(content,255,data_file);
inti;
for(i=0;content[i]!='\0';i++){
intutf8_char_len=UTF8_CHAR_LEN(content[i]);
if(utf8_char_len>1){
charword[4];//utf-8占位最大字节也就是4个字节
memcpy(word,(content+i),utf8_char_len);
i+=utf8_char_len-1;
printf("%s\t",word);
}
else{
printf("%c\t",content[i]);
}
}
fclose(data_file);
输入：
我是来自上海的互联网程序员，主要从事Web/游戏/手机服务器开发.
这里我觉得主要问题是字符指针它不标识出编码字符的大小，如果单纯的用(p+1)的话会把编码混乱掉，所以要先判断字符编码的所占字节数，然后再(p+sizeofword)输出;
上面的代码满足我现在的需求，不过还有一些疑问；
utf-8编码的字符在Linuxc下面怎么处理的呢？一般模式我还在寻找，有机会帖在这里.
这里还帖一个用宽字符库遍历utf-8字符串的代码片段:
wchar_twstr[]=L"你好";
//en_US.UTF-8是我本地的locale
setlocale(LC_ALL,"en_US.UTF-8");
inti;
for(i=9;iwprintf(L"%lc\n",wstr[i]);
}