C++實現判斷一個字符串是否為UTF8或GBK格式的方法

本文實例講述了C++實現判斷一個字符串是否為UTF8或GBK格式的方法。分享給大家供大家參考,具體如下:

創新互聯基于分布式IDC數據中心構建的平臺為眾多戶提供雅安電信機房 四川大帶寬租用 成都機柜租用 成都服務器租用。

在處理外部數據的時候,很可能因為數據格式不一樣而導致亂碼,甚至導致某些程序掛掉。鑒于對多數系統來說,使用是更被廣泛使用的utf8,所以判斷是不是utf8格式顯得很重要了。

下面是一個判斷字符串是否為utf8的函數:

bool is_str_utf8(const char* str)
{
  unsigned int nBytes = 0;//UFT8可用1-6個字節編碼,ASCII用一個字節
  unsigned char chr = *str;
  bool bAllAscii = true;
  for (unsigned int i = 0; str[i] != '\0'; ++i){
    chr = *(str + i);
    //判斷是否ASCII編碼,如果不是,說明有可能是UTF8,ASCII用7位編碼,最高位標記為0,0xxxxxxx
    if (nBytes == 0 && (chr & 0x80) != 0){
      bAllAscii = false;
    }
    if (nBytes == 0) {
      //如果不是ASCII碼,應該是多字節符,計算字節數
      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{
      //多字節符的非首字節,應為 10xxxxxx
      if ((chr & 0xC0) != 0x80){
        return false;
      }
      //減到為零為止
      nBytes--;
    }
  }
  //違返UTF8編碼規則
  if (nBytes != 0) {
    return false;
  }
  if (bAllAscii){ //如果全部都是ASCII, 也是UTF8
    return true;
  }
  return true;
}

關于utf8的一般性簡介和二進制格式可以參考百度百科。同樣關于GBK的判斷,也是使用的同樣的方法,具體代碼如下:

bool is_str_gbk(const char* str)
{
  unsigned int nBytes = 0;//GBK可用1-2個字節編碼,中文兩個 ,英文一個
  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){// 判斷是否ASCII編碼,如果不是,說明有可能是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) {   //違返規則
    return false;
  }
  if (bAllAscii){ //如果全部都是ASCII, 也是GBK
    return true;
  }
  return true;
}

按照編碼規則這么寫,是正確的。但鑒于現在的utf8對于中文一般都是三個字節,而且utf8的編碼規則存在重合,如果是utf8,使用上面的這個函數,就會出現一個尷尬的問題,當中文字符為奇數個判斷正確,為則偶數個無法區別。

最后:如果誰有更好的辦法判斷一個字符串是否為GBK格式,歡迎告知。

希望本文所述對大家C++程序設計有所幫助。

當前名稱:C++實現判斷一個字符串是否為UTF8或GBK格式的方法
轉載源于:http://m.kartarina.com/article4/pphgie.html

成都網站建設公司_創新互聯,為您提供網站導航網站改版全網營銷推廣微信公眾號云服務器

廣告

聲明:本網站發布的內容(圖片、視頻和文字)以用戶投稿、用戶轉載內容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網站立場,如需處理請聯系客服。電話:028-86922220;郵箱:631063699@qq.com。內容未經允許不得轉載,或轉載時需注明來源: 創新互聯

微信小程序開發
主站蜘蛛池模板: 中文字幕无码日韩专区| 无码免费又爽又高潮喷水的视频 | 日韩av无码国产精品| 无码少妇丰满熟妇一区二区| 九九久久精品无码专区| 少妇精品无码一区二区三区| 无码国模国产在线观看| 亚洲国产成AV人天堂无码| 亚洲精品97久久中文字幕无码 | 少妇性饥渴无码A区免费 | 精品久久久无码人妻中文字幕豆芽| 国产成人无码一二三区视频 | 亚洲精品午夜无码专区| 无码里番纯肉h在线网站| 少妇人妻偷人精品无码视频 | 91精品国产综合久久四虎久久无码一级| 久久无码av亚洲精品色午夜| 无码国产福利av私拍| 免费无码av片在线观看| 国产精品无码aⅴ嫩草| 免费无码A片一区二三区| 亚洲综合一区无码精品| 69ZXX少妇内射无码| 精品人妻系列无码天堂| 无码国产精品一区二区免费16| 亚洲欧洲日产国码无码网站| 办公室丝袜激情无码播放| 亚洲AV无码之日韩精品| 无码毛片一区二区三区中文字幕| 国产成人无码AV片在线观看 | 中文无码一区二区不卡αv| 无码孕妇孕交在线观看| 2024你懂的网站无码内射| 精品久久久久久无码专区| 亚洲va无码专区国产乱码| 无码日韩人妻精品久久| 18禁超污无遮挡无码免费网站| 国产V亚洲V天堂无码| 国产在线精品无码二区| 亚洲AV日韩AV永久无码久久| 国内精品人妻无码久久久影院|