4.2)汉字编码判断
/**//*------------------------------------------------------------------------
Procedure: IsAscii ID:1
Purpose: 判断一个字符（8byte）是否是一个ASCII字符。
Input: 一个无符号的字符。
Output: 如果是ASCII字符，则输出1。
Errors: 如果不是ASCII字符，则输出0。
------------------------------------------------------------------------*/
int IsAscii(unsigned char character)
...{
if (character>0 && character<128)
return 1;
else
return 0;
}
/**//*------------------------------------------------------------------------
Procedure: IsChineseStandard ID:1
Purpose: 判断中文字的编码形式。（一个字由2个字符组成）
Input: 字的第一个字符指针。
Output: 如果是中文GB2312编码，那么当字是汉字则返回0，当字是标
点则返回1。
Errors: 当字的第一个字符是ASCII码，则返回2，其它编码形式则返
回3。
------------------------------------------------------------------------*/
int IsChineseStandard(unsigned char *CharP)
...{
int checkCode;
if (*CharP>=0xB0 && *CharP<=0xF7 && *(CharP+1)>=0xA1 && *(CharP+1)<=0xFE)...{ //汉字判断
checkCode=0;
return checkCode;
}
else if (*CharP>=0xA1 && *CharP<=0xAF && *(CharP+1)>=0xA1 && *(CharP+1)<=0xFF) //汉字标点判断
return 1;
else if (IsAscii(*CharP)) //先考虑是ASCII码吗
return 2;
else
return 3; //余下的则为其它编码形式
}
/**//*--------------------------------------------------------------------------------------------------------------------
UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：
UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：
1110xxxx 10xxxxxx 10xxxxxx。
将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
--------------------------------------------------------------------------------------------------------------------*/
// 先根据转换规则计算utf8串长度,同时根据输出缓冲区大小判断可以转换的ucs2码数量
// 转换
int ucs2ToUtf8(const unsigned short *ucs, unsigned char *cbuf, int cbuf_len)
...{
int i, j, l, max_i;
unsigned short w, w1;
i = 0;
max_i = 0;
j = 0;
w = ucs[i];
while (w) ...{
if ( w <= 0x7f ) ...{
l = 1;
}
else if ( w <= 0x7ff ) ...{
l = 2;
}
else ...{
l = 3;
}
j += l; // 累计输出长度
if ( j <= cbuf_len ) ...{
max_i = i;
}
i++; // 下一个ucs2
w = ucs[i];
}
if ( !cbuf || ( cbuf_len == 0 ) ) ...{
return j;
}
j = 0;
for ( i = 0; i <= max_i; i++ ) ...{
w = ucs[i];
if ( w <= 0x7f ) ...{
l = 1;
cbuf[j++] = (unsigned char)w;
}
else if ( w <= 0x7ff ) ...{
l = 2;
w1 = cut_word(w, 10, 6);
cbuf[j++] = 0xc0|w1;
w1 = cut_word(w, 5, 0);
cbuf[j++] = 0x80|w1;
}
else ...{
l = 3;
w1 = cut_word(w, 15, 12);
cbuf[j++] = 0xe0|w1;
w1 = cut_word(w, 11, 6);
cbuf[j++] = 0x80|w1;
w1 = cut_word(w, 5, 0);
cbuf[j++] = 0x80|w1;
}
}
return j;
}
// 先根据转换规则计算ucs2串长度, 输出缓冲区大小判断需要转换的ucs2码数量
// 转换
int utf8ToUcs2(const unsigned char *s, unsigned short *wbuf, int wbuf_len)
...{
int i, j, k;
unsigned char c;
unsigned char c3, c2, c4;
i = 0;
j = 0;
c = s[i++];
while (c) ...{
c3 = c & 0xe0;
c4 = c & 0xf0;
if ( (c & 0x80) == 0 ) ...{
// 单字节
}
else if ( c3 == 0xc0 ) ...{
c2 = s[i++] & 0xc0;
if ( c2 != 0x80 ) ...{
break;
}
}
else if ( c4 == 0xe0 ) ...{
c2 = s[i++] & 0xc0;
![]()
4.2.1)判断是否是ASCII
/**//*------------------------------------------------------------------------ Procedure: IsAscii ID:1 Purpose: 判断一个字符（8byte）是否是一个ASCII字符。 Input: 一个无符号的字符。 Output: 如果是ASCII字符，则输出1。 Errors: 如果不是ASCII字符，则输出0。------------------------------------------------------------------------*/int IsAscii(unsigned char character)...{ if (character>0 && character<128) return 1; else return 0;}4.2.2)gbk编码中判断汉字编码形式
/**//*------------------------------------------------------------------------ Procedure: IsChineseStandard ID:1 Purpose: 判断中文字的编码形式。（一个字由2个字符组成） Input: 字的第一个字符指针。 Output: 如果是中文GB2312编码，那么当字是汉字则返回0，当字是标 点则返回1。 Errors: 当字的第一个字符是ASCII码，则返回2，其它编码形式则返 回3。------------------------------------------------------------------------*/int IsChineseStandard(unsigned char *CharP)...{ int checkCode; if (*CharP>=0xB0 && *CharP<=0xF7 && *(CharP+1)>=0xA1 && *(CharP+1)<=0xFE)...{ //汉字判断 checkCode=0; return checkCode; } else if (*CharP>=0xA1 && *CharP<=0xAF && *(CharP+1)>=0xA1 && *(CharP+1)<=0xFF) //汉字标点判断 return 1; else if (IsAscii(*CharP)) //先考虑是ASCII码吗 return 2; else return 3; //余下的则为其它编码形式}4.2.3）unicode判断是否是汉字
bool isChineseChar(unsigned char* ch)
{
if( *ch>=0x80 && *(ch+1)>=0x80 )
return true;
return false;
}
4.2.4）utf-8判断是否是汉字
汉字的编码区域是：0080-07FF
4.2.5）各种编码之间的转换
注：utf8与gbk的转换要通过unicode进行中转。
1)utft8与unicode的转换
/**//*--------------------------------------------------------------------------------------------------------------------UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：UCS-2编码(16进制) UTF-8 字节流(二进制) 0000 - 007F 0xxxxxxx 0080 - 07FF 110xxxxx 10xxxxxx 0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx 例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。--------------------------------------------------------------------------------------------------------------------*/// 先根据转换规则计算utf8串长度,同时根据输出缓冲区大小判断可以转换的ucs2码数量// 转换int ucs2ToUtf8(const unsigned short *ucs, unsigned char *cbuf, int cbuf_len)...{ int i, j, l, max_i; unsigned short w, w1; i = 0; max_i = 0; j = 0; w = ucs[i]; while (w) ...{ if ( w <= 0x7f ) ...{ l = 1; } else if ( w <= 0x7ff ) ...{ l = 2; } else ...{ l = 3; } j += l; // 累计输出长度 if ( j <= cbuf_len ) ...{ max_i = i; } i++; // 下一个ucs2 w = ucs[i]; } if ( !cbuf || ( cbuf_len == 0 ) ) ...{ return j; } j = 0; for ( i = 0; i <= max_i; i++ ) ...{ w = ucs[i]; if ( w <= 0x7f ) ...{ l = 1; cbuf[j++] = (unsigned char)w; } else if ( w <= 0x7ff ) ...{ l = 2; w1 = cut_word(w, 10, 6); cbuf[j++] = 0xc0|w1; w1 = cut_word(w, 5, 0); cbuf[j++] = 0x80|w1; } else ...{ l = 3; w1 = cut_word(w, 15, 12); cbuf[j++] = 0xe0|w1; w1 = cut_word(w, 11, 6); cbuf[j++] = 0x80|w1; w1 = cut_word(w, 5, 0); cbuf[j++] = 0x80|w1; } } return j;}// 先根据转换规则计算ucs2串长度, 输出缓冲区大小判断需要转换的ucs2码数量// 转换int utf8ToUcs2(const unsigned char *s, unsigned short *wbuf, int wbuf_len)...{ int i, j, k; unsigned char c; unsigned char c3, c2, c4; i = 0; j = 0; c = s[i++]; while (c) ...{ c3 = c & 0xe0; c4 = c & 0xf0; if ( (c & 0x80) == 0 ) ...{ // 单字节 } else if ( c3 == 0xc0 ) ...{ c2 = s[i++] & 0xc0; if ( c2 != 0x80 ) ...{ break; } } else if ( c4 == 0xe0 ) ...{ c2 = s[i++] & 0xc0;