溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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：
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。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
