Unicode - ICU 库 - 获取 UnicodeString 中的代码点计数

Question

>我从C++的ICU图书馆开始。

UnicodeString ucs = UnicodeString::fromUTF8(StringPiece(u8"U0001F674"));
ucs = ucs.unescape();
size_t len = ucs.length();

但是，len = 2.为什么？我只添加了一个 4 字节字符 (https://unicode-table.com/en/1F674/(。有没有办法，如何返回正确的长度？

我希望长度为 1，因为只有 1 个代码点。如果我使用

UnicodeString::fromUTF8(StringPiece(u8"u06b5"));
ucs = ucs.unescape();
size_t len = ucs.length();

我得到正确的len = 1

Answer 1

UnicodeString使用 UTF-16，而不是 UTF-8。

在 UTF-16 中，代码点 U+1F674 需要两个 2 字节代码单元：0xD83D 0xDE74 . 而代码点U+06B5只需要一个 2 字节代码单元：0x06B5 。

Answer 2

要回答原始问题，为了获取 UnicodeString 中的码位数，请使用 UnicodeString：：countChar32。

- Shane(来自ICU团队(