最简单的计算GBK偏移量 java版 取模时用到

GBK码位分配及顺序

GBK 亦采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。

生成的取模字库，是从0开始，对应内码0x8140.关键是还不是按顺序排列，所以要计算偏移量。如果怕麻烦，直接使用unicode 偏移量0对应的就是unicode编码0

1.直接计算 java版

优化版2.0

import java.io.UnsupportedEncodingException;


public class GBK {
	/**
	 * @see 非标准   xx7f 这个他用？来代替，不用减了。
	 * @author 小黄人软件
	 * @param code为汉字GBK编码
	 * @return 返回偏移量
	 */
	public static int getGBKIndex2(int code) 
	{
		//分为三块来减
		//1. 减0x8140前的所有
		//2. 减xx00-xx3F  0xxxff  共0x41个字节
		//3. xx7f 这个他用？来代替，不用减了。
		 int temp=code - 0x8140- (code/256-0x81)*0x41   ;
//		 if(code%256>0x7f)
//			 temp=temp-1;	 	 		
		return temp;
	}
	/**
	 * @see 标准
	 * @author 小黄人软件
	 * @param code为汉字GBK编码
	 * @return 返回偏移量
	 */
	public static int getGBKIndex(int code) 
	{
		
		//分为三块来减
		//1. 减0x8140前的所有
		//2. 减xx00-xx3F xx7f  xxff  共0x42个
		//3. 低字节做判断  大于00x7f 减本次的1个xx7f		
		 int temp=code - 0x8140- (code/256-0x81)*0x42    ;
		 if(code%256>0x7f)
			 temp=temp-1; 	 		
		return temp;
	}
	public static void gbk(char c)
	{
		//吞   gbk:CDCC  定位14579
		try {
			//String gbk = new String("吞".getBytes("GBK"));
			String gbk = new String(String.valueOf(c).getBytes("GBK"));  //
			//String gbk = new String("丂".getBytes("GBK"));			
			byte[] b=gbk.getBytes();
			int gbkcode=(int)(256*(b[0]&0xff))+ (int) (b[1]&0xff );			
			int result=getGBKIndex(gbkcode);	
			System.out.println(String.format(gbk+" GBK：0x%04X 定位：%d \r\n",gbkcode, result));
			
		} catch (UnsupportedEncodingException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}  
	}
	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String str="丂亐０服非";
		for(int i=0;i<str.length();i++)
		{		
			gbk(str.charAt(i));
		}
	}

}

输出：

丂 GBK：0x8140 定位：0 


亐 GBK：0x8180 定位：63 


０ GBK：0xA3B0 定位：6571 


服 GBK：0xB7FE 定位：10449 


非 GBK：0xB7C7 定位：10394 


 GBK：0xFE9F 定位：23844 

老版1.0

import java.io.UnsupportedEncodingException;


public class GBK {
	public static int getGBKIndex(int code) //返回偏移量  code为汉字GBK编码
	{
		
		//分为三块来减
		//1. 减0x8140前的所有
		//2. 减xx00-xx3F  0xxxff  共0x41个字节
		//3. xx7f 做判断  低字节 少于00x7f 只减之前的  大于则  减之前的+本次的1个字节
		
		 int temp=code - 0x8140- (code/256-0x81)*0x41    ;
		 if(code%256<0x7f)
			 temp=temp-(code/256-0x81);
		 else
			 temp=temp-(code/256-0x81)-1;	 	 		
		return temp;
	}
	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		//吞   定位14579 gbk:CDCC
		try {
			//String gbk = new String("吞".getBytes("GBK"));
			String gbk = new String("丢".getBytes("GBK"));
			//String gbk = new String("丂".getBytes("GBK"));
			System.out.println(gbk);
			
			byte[] b=gbk.getBytes();		
			System.out.println(String.format("0x%04X ", (int)(256*(b[0]&0xff))+ (int) (b[1]&0xff )));
					
			int result=getGBKIndex((int)(256*(b[0]&0xff))+ (int) (b[1]&0xff ));	
			System.out.println(String.format("%02d ", result));
			
		} catch (UnsupportedEncodingException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}  
		
		
	}

}

2.需要

100kb左右

 

 unsigned int gbk[]={GBK所有字 比如：  丂,丄,丅,丆,丏,丒,丗,丟,丠,両,丣,並,丩,丮,丯,丱} ;   //把所有字放入数组中
unsigned int getIndex(unsigned int c) 
for(int i=0;i<sizeof(gbk);i++)
{
if(gbk[i]==c)
return i;
}
}