溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

C++實(shí)現(xiàn)判斷一個(gè)字符串是否為UTF8或GBK格式的方法

發(fā)布時(shí)間：2020-09-04 17:06:09 來源：腳本之家 閱讀：626 作者：黑夜童話 欄目：編程語言

本文實(shí)例講述了C++實(shí)現(xiàn)判斷一個(gè)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：

在處理外部數(shù)據(jù)的時(shí)候，很可能因?yàn)閿?shù)據(jù)格式不一樣而導(dǎo)致亂碼，甚至導(dǎo)致某些程序掛掉。鑒于對(duì)多數(shù)系統(tǒng)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(gè)判斷字符串是否為utf8的函數(shù)：

bool is_str_utf8(const char* str)
{
  unsigned int nBytes = 0;//UFT8可用1-6個(gè)字節(jié)編碼,ASCII用一個(gè)字節(jié)
  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(biāo)記為0,0xxxxxxx
    if (nBytes == 0 && (chr & 0x80) != 0){
      bAllAscii = false;
    }
    if (nBytes == 0) {
      //如果不是ASCII碼,應(yīng)該是多字節(jié)符,計(jì)算字節(jié)數(shù)
      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(jié)符的非首字節(jié),應(yīng)為 10xxxxxx
      if ((chr & 0xC0) != 0x80){
        return false;
      }
      //減到為零為止
      nBytes--;
    }
  }
  //違返UTF8編碼規(guī)則
  if (nBytes != 0) {
    return false;
  }
  if (bAllAscii){ //如果全部都是ASCII, 也是UTF8
    return true;
  }
  return true;
}

關(guān)于utf8的一般性簡(jiǎn)介和二進(jìn)制格式可以參考百度百科。同樣關(guān)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(gè)字節(jié)編碼,中文兩個(gè) ,英文一個(gè)
  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(guī)則
    return false;
  }
  if (bAllAscii){ //如果全部都是ASCII, 也是GBK
    return true;
  }
  return true;
}

按照編碼規(guī)則這么寫，是正確的。但鑒于現(xiàn)在的utf8對(duì)于中文一般都是三個(gè)字節(jié)，而且utf8的編碼規(guī)則存在重合，如果是utf8，使用上面的這個(gè)函數(shù)，就會(huì)出現(xiàn)一個(gè)尷尬的問題，當(dāng)中文字符為奇數(shù)個(gè)判斷正確，為則偶數(shù)個(gè)無法區(qū)別。

最后：如果誰有更好的辦法判斷一個(gè)字符串是否為GBK格式，歡迎告知。

希望本文所述對(duì)大家C++程序設(shè)計(jì)有所幫助。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手