c++ string对中文字符串处理不友好的解决

中文分词的时候，发现string对中文的处理很不好，自己写了一个zhstring类，从string继承，重写了
length:返回字符数，一个汉子作为一个字符。
substr：可以正确的截取字符串
find：查找子串的位置。
上述实现的参数都是字符位置，非字节位置

顺表简单说一下中文字符在计算机中的编码。中文和英文不同，英文26个字母就能组合各种词汇，但是中文有很多汉字，因此，计算机中对中文需要编码，也就是用多个字节表示一个汉字。
计算机中中文有多种编码方式，比如ANSI编码，unicode编码。根据资料，unicode貌似只是编码方式，而不是实现方式。它有多种实现方式，比如UTF-8,UTF-16等。其中常用的UTF-8是不定长编码，也就是说字符可能只有一个字节，比如英文字符，也可能有2-4个字节，比如汉字。其中英文字符的码值和ASCII一致，都小于128.
既然汉字等字符是多字节组成的，那么诸如
string str="hello你好宝贝";
这样的字符串，想要截取“你好”两个汉字就稍微复杂一些，肯定不能用substr(5,2)这样子，因此长度2只是字节数，不是一个汉字真是的字节数，一个汉字可能2个字节，也可能4个字节。那么怎么知道汉字的实际字节数目呢？
汉字编码的第一个字节，结构必然是如：
11100xxx或者11000xxx这样子的：前面几个1，然后是0，再然后是其他码值（0或者1），最前面有几个1，表明这个汉字由几个字节组成，后面的字节都是10开头。
比如以下代码：

int main()
{
    char a[]="你好";
    string s(a);
    cout<<a<<endl;
    return 0;
}

我们在程序中用char[]存储汉字，发现某个汉字在char数组中的值是8进制的"\347",对应的二进制是"11100111",表明汉字“你”有3个字节组成，那么要截取一个汉字，就应该是(假如是字符串类型):
s.substr(0,3),少于或者多余这个字节数都会出现乱码。

怎么计算前面1的个数？方法很多，我才用的是移位运算，代码如下：

......
typedef unsigned char UBIT8;
......
    int zhstring::getBytes(UBIT8 c)
    {
        if (c < 128)
            return 1;
        int count;
        for (count = 1; count < 8; count++)
        {
            unsigned char b = c << count;
            if (b < 128)
                break;
        }
        return count;
    }

较为完整的zhstring类代码看gitee：https://gitee.com/svod5306/cpp/blob/master/中文string类/zhstring.h