mes
Спасибо! Только не очень понял код  Как мне кажется, там трёхбайтовых вообще нет в данной строке, это верно?
Судя по количеству байт:


Не очень понял по Вашему коду, что обозначает число 0x07? Понял, что 0x7F - это проверка условия на значение большее, чем 127, но 0х07 - это, вроде бы, 7 в десятичной? А зачем эта проверка делается? Такое чего-то я нигде не читал(

В целом смысл кода понятен, но откуда вот это число взялось непонятно. Кстати, я бы там в цикле не size(), а ( size() - 1 ) ставил бы, поскольку идёт выход за границу для s[ i + 1 ].

С substr - классный подход вообще получился! Спасибо! 

Добавлено через 10 минут и 47 секунд
Не очень вообще понимаю как узнать в UTF-8 сколька байтный символ сейчас перед нами. Смотрю в таблицу:
http://www.utf8-chartable.de/unicode-utf8-...24&utf8=dec

я разложил там по 10-тичным значениям для удоства.  Наши символы представлены двухбайтными, например: 208 144, 208 149 и т.д. Всё верно. Но трёхбайтные представлены, в принципе аналогично:

http://www.utf8-chartable.de/unicode-utf8-...24&utf8=dec

т.е.: 224 176 130, 224 176 134. Как их отличить-то? Все числа одновременно больше 127... Мне подумалось, может логика такая, что если очередное число больше 127, то следующее число добавляем в текущее... но нет ведь!

Добавлено через 14 минут и 26 секунд
Аа, вот оно что. Оказывается та инфа о диапазонах указывала на порядковый номер символа в ЮТФ кодировке. Ок:
http://www.utf8-chartable.de/unicode-utf8-...24&utf8=dec
т.е. начинающиеся с номера 2048, действительно, идут 3х-байтовыми. Но блин, как узнать какой у символа порядковый номер в ЮТФе?  Перед нами же вообще числа!) Я, понимаю, что мне такие буквы не нужны, но всё-таки интересно!  Уж если изучать тему, так изучать!   

Добавлено @ 14:32

там было else забыто.. (поправил).. а насчет границ, так под напильник же )


Это сообщение отредактировал(а) mes - 1.6.2013, 14:39

Упс, всё равно не пойму, что именно Вы выделили полужирным  Т.е. вот это число: 0x000007FF равно вот этому: 0x07 в Вашем коде? Или по какой логике там сравнение с 0х07, не пойму 
Вроде 0x000007FF в десятичной это: 2047, а 0х07 это 7 

лучше в шестнадцатиричной.. меньше путаницы будет.. 


утф8 так устроена, что по текущему значению можно узнать есть ли хвост.. смотрите пример..

А что уже std::wstring str = L"123абв"; уже отменили ???

там пример на скорую руку на скорую руку.. без анализа таблицы... оставил для Вас ))

Добавлено через 1 минуту и 7 секунд

ага примерно так )

Разве что я вижу такую зависимость в терминах десятичного счисления: если первое число больше 223, то отсюда начинаются уже трёхбайтные значения. Соответственно, нужно просто прочесать все такие диапазоны и поставить строгие условия, типа: если первый символ больше n, но меньше m, то соответственно он составляет столько-то байт.

Добавлено через 2 минуты и 47 секунд
mes 
АА, понятно. Спасибо за ответ! Тем не менее, порыв таблицу, вроде я сориентировался уже. Спасибо Вам за помощь! Вы мне очень помогли! Плюсанул в репутацию 

так и делается в примере..

Добавлено через 4 минуты и 50 секунд

если вычесть диапазон, к которому принадлежит символ, то останется смещение символа в таблице для этого диапазона.. итого 4 таблицы разной длины (по длине диапазона)

ТС почитай тут
http://ru.wikipedia.org/wiki/UTF-8

ну ну, искатели приключений ...

  
Proger10, http://sourceforge.net/projects/utfcpp/

Это я видел вчера) но тоже по-моему многова-то кода для такой, как я понял уже, простой задачи  Теперь реализую класс собственной строки, где все основные операции и опишу, их не так много) доступ к произвольному символу, поиск в строке, да сортировка букв. Представлю эту "строку" в виде массива таких однобайтовых/двухбайтовых символов - да и делов-то 

Добавлено через 36 секунд

А почему? Вроде всё же разрешилось легко? 

Добавлено через 6 минут и 56 секунд
Кстати, вот единственное, что осталось ещё непонятым в UTF-8, так это вот это указание:


это о каком одном и том же символе речь идёт? Если например символ выглядит одинаково во многих языках, выбрать надо тот, порядковый номер, которого, короче? Так что ли?  Вроде в русском и английском таких нет или речь как раз про: а, с, о, которые на обоих языках одинаковы? Вроде проверил в блокноте (MacOS, Coda + UTF-8) - да не заменяются никакие символы никакими младшими... заменяются теми, что и в Юникод-таблице.. о чём там речь - ума не приложу 

Что разрешилось то?



угу. еще свой СТЛ напишите, делов то...
Команду тестеров нанять не забудьте только, по отлову багов...

volatile
Ну вроде задачу более-менее понял, попробую реализовать, а там посмотрю, может и правда гемор будет огромный, но пока вроде ничего беды не предвещает 

Правда у меня сейчас большая проблема в основах C++))) Я не знаю как мне в std::string вообще закидывать эти UTF-8 коды =) Не подскажете? =) Задача такая: знаю десятичные коды (да и любые удобные для системы), если десятичные то последовательность двух: "208 176" - это последовательность буквы "а". А вот как эту последовательность мне записать в std::string переменную?  С какими типами данных здесь мне нужно поработать?)

Добавлено @ 03:51
Хотя... полагаю, так? 



Работает  в str5 как раз буква "а". Класс   "Спасибо, теперь я программист!"   

Это сообщение отредактировал(а) Proger10 - 2.6.2013, 04:18

Proger10, попробуйте для начала написать хотябы
operator [], для вашего класса строки.