C++字符串(UTF-8编码)中识别中文、英文字母、字符、空格

Rurcher

已于 2022-05-19 10:23:28 修改

阅读量4.7k

点赞数 5

分类专栏：字节编码文章标签： c++ 开发语言

于 2022-05-19 10:18:29 首次发布

原文链接：https://blog.csdn.net/weixin_44001521/article/details/95035977

版权

字节编码专栏收录该内容

1 篇文章

订阅专栏

因工作需要识别限长字符串中中文个数，且需要识别字符串最后两个字节为中文，因长度限制只能识别为乱码，需要截断乱码部分。搜了几篇文章，发现这篇写的最简便：https://blog.csdn.net/weixin_44001521/article/details/95035977，但存在部分bug，故写此文优化一下。

UTF-8字节编码规则

编码范围

一字节编码范围：0x00-0x7F
二字节编码范围：0xC2-0xDF 0x80-0xBF
三字节编码范围：
0xE0 0xA0-0xBF 0x80-0xBF
0xE1-0xEC 0x80-0xBF 0x80-0xBF
0xED 0x80-0x9F 0x80-0xBF
0xEE-0xEF 0x80-0xBF 0x80-0xBF
四字节编码范围：
0xF0 0x90-0xBF 0x80-0xBF 0x80-0xBF
0xF1-0xF3 0x80-0xBF 0x80-0xBF 0x80-0xBF
0xF4 0x80-0x8F 0x80-0xBF 0x80-0xBF

中文字节规则

参考UTF-8百度百科：
编码字节数

代码实现

#include <iostream>
#include <cstring>
#include <string>
#include <vector> 
using namespace std;
bool check(unsigned char c){
    //通过utf-8字节码进行判断
    return c >= 0xE0;
}
int main()
{
    string str = " 的2df.dasf为 d啊 ";
    int LowerCase, UpperCase; //大写，小写
	int space = 0;
    int digit, character; //数字，字符
    int chinese = 0; //中文
    digit = character = LowerCase = UpperCase = 0;
    for (int i = 0; i < str.size(); )
	{
        if (str[i] >= 'a' && str[i] <= 'z')
		{
            LowerCase ++;i++;
		}
        else if (str[i] >= 'A' && str[i] <= 'Z')
		{
            UpperCase ++;i++;
		}
        else if (str[i] >= '0' && str[i] <= '9')
		{
            digit ++;i++;
		}
        else if (check(str[i])){
			char c[3];
			strncpy(&c[0], &str[i], 3);
        	cout << c << endl; 
			i+=3;
            chinese++;
        }
		else if (str[i] == ' ')
		{
			space++;i++;
		}
        else
		{
            character++;i++;
		}
    }
    printf("大写%d个，小写%d个，数字%d个，字符%d个，汉字%d个，空格%d个\n", UpperCase, LowerCase, digit, character, chinese, space);
    return 0;
}