Discussion :

[totofe]

Bonjour,

je dois réaliser un programme qui lit dans un fichier. et pour chaque caractère vérifie si c'est un caractère UTF-8. je dois donc lire bit par bit. le soucis étant que les caractères UTF-8 sont codé sur 2 octets. n'existe t-il pas une fonction en c qui vérifie dans une chaine de caractère si certain caractère sont codé en UTF-8?

[Mac LAK]

Pas en C standard, en tout cas. Il te faut soit utiliser des librairies portables sachant le faire, soit des fonctions non-portables du système d'exploitation, soit le refaire à la main. Regarde cette discussion, qui pourra peut-être t'aider un peu à ce sujet.

[droggo]

Goa,

Bonjour,

je dois réaliser un programme qui lit dans un fichier. et pour chaque caractère vérifie si c'est un caractère UTF-8. je dois donc lire bit par bit. le soucis étant que les caractères UTF-8 sont codé sur 2 octets. n'existe t-il pas une fonction en c qui vérifie dans une chaine de caractère si certain caractère sont codé en UTF-8?

C'est un peu plus compliqué que ça.

[Médinoc]

En effet. C'est surtout les caractères UCS-2 qui sont toujours codés sur 2 octets... Quant aux caractères UTF-16, ceux du Basic Multilingual Plane sont sur deux octets, les autres sur quatre...

[droggo]

Goa,

En UTF8, les caractères Unicode peuvent occuper de 1 à 4 octets.

[Mac LAK]

En UTF8, les caractères Unicode peuvent occuper de 1 à 4 octets.

Pour être plus précis, comme je le dit dans la discussion précédemment linkée, le codage UTF-8 permet même d'aller jusqu'à HUIT octets par caractère (même si, actuellement, la limite est bien quatre).
De plus, un caractère peut être composite, donc composé de plusieurs caractères UTF-8 "unitaires"...