本文实例讲述了C++实现判断一个字符串是否为UTF8或GBK格式的方法。分享给大家供大家参考,具体如下:
在处理外部数据的时候,很可能因为数据格式不一样而导致乱码,甚至导致某些程序挂掉。鉴于对多数系统来说,使用是更被广泛使用的utf8,所以判断是不是utf8格式显得很重要了。
下面是一个判断字符串是否为utf8的函数:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
bool is_str_utf8( const char * str)
{
unsigned int nBytes = 0; //UFT8可用1-6个字节编码,ASCII用一个字节
unsigned char chr = *str;
bool bAllAscii = true ;
for (unsigned int i = 0; str[i] != '\0' ; ++i){
chr = *(str + i);
//判断是否ASCII编码,如果不是,说明有可能是UTF8,ASCII用7位编码,最高位标记为0,0xxxxxxx
if (nBytes == 0 && (chr & 0x80) != 0){
bAllAscii = false ;
}
if (nBytes == 0) {
//如果不是ASCII码,应该是多字节符,计算字节数
if (chr >= 0x80) {
if (chr >= 0xFC && chr <= 0xFD){
nBytes = 6;
}
else if (chr >= 0xF8){
nBytes = 5;
}
else if (chr >= 0xF0){
nBytes = 4;
}
else if (chr >= 0xE0){
nBytes = 3;
}
else if (chr >= 0xC0){
nBytes = 2;
}
else {
return false ;
}
nBytes--;
}
}
else {
//多字节符的非首字节,应为 10xxxxxx
if ((chr & 0xC0) != 0x80){
return false ;
}
//减到为零为止
nBytes--;
}
}
//违返UTF8编码规则
if (nBytes != 0) {
return false ;
}
if (bAllAscii){ //如果全部都是ASCII, 也是UTF8
return true ;
}
return true ;
}
|
关于utf8的一般性简介和二进制格式可以参考百度百科。同样关于GBK的判断,也是使用的同样的方法,具体代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
bool is_str_gbk( const char * str)
{
unsigned int nBytes = 0; //GBK可用1-2个字节编码,中文两个 ,英文一个
unsigned char chr = *str;
bool bAllAscii = true ; //如果全部都是ASCII,
for (unsigned int i = 0; str[i] != '\0' ; ++i){
chr = *(str + i);
if ((chr & 0x80) != 0 && nBytes == 0){ // 判断是否ASCII编码,如果不是,说明有可能是GBK
bAllAscii = false ;
}
if (nBytes == 0) {
if (chr >= 0x80) {
if (chr >= 0x81 && chr <= 0xFE){
nBytes = +2;
}
else {
return false ;
}
nBytes--;
}
}
else {
if (chr < 0x40 || chr>0xFE){
return false ;
}
nBytes--;
} //else end
}
if (nBytes != 0) { //违返规则
return false ;
}
if (bAllAscii){ //如果全部都是ASCII, 也是GBK
return true ;
}
return true ;
}
|
按照编码规则这么写,是正确的。但鉴于现在的utf8对于中文一般都是三个字节,而且utf8的编码规则存在重合,如果是utf8,使用上面的这个函数,就会出现一个尴尬的问题,当中文字符为奇数个判断正确,为则偶数个无法区别。
最后:如果谁有更好的办法判断一个字符串是否为GBK格式,欢迎告知。
希望本文所述对大家C++程序设计有所帮助。
原文链接:http://blog.csdn.net/thedarkfairytale/article/details/73457200