汉字高地位字节判断

汉字在计算机中使用两个字节表示，不同意常见的ASCII码。这也就导致汉字处理的很多不便，通常要判断一个字节到底是高位还是低位。

在C++标准库中提供了解决这种问题的方法，_ismbslead、_ismbstrail。这两个函数位于<mbctype.h> 或<mbstring.h>头文件中。函数原型如下:
int _ismbslead( const unsigned char *string, const unsigned char *current );

int _ismbstrail( const unsigned char *string, const unsigned char *current );

其中：string表示字符串的开始指针或者是已知的前部字节

current则表示要测试的字节

_ismbslead 和_ismbstrail 返回-1时就表示该字节为开始或者结束字节，否则得话函数返回的是0.

The _ismbslead and _ismbstrail routines perform context-sensitive tests for multibyte-character string lead and trail bytes; they determine whether a given substring pointer points to a lead byte or a trail byte. _ismbslead and _ismbstrail are slower than their _ismbblead and _ismbbtrail counterparts because they take the string context into account.

（MSDN）

IsDBCSLeadByte是Windows提供的一个API函数，也可以实现类似的功能。该函数可以使用ANSI代码页判断一个字节是否为开始字节，即双字节字符集中的第一个字符。

—————–

GB2312/GBK用的是高位区码（GBK用扩展的区码）+高位位码拼成一个全角字（双字节），由于区码和位码都在128以上，并且没有可靠的算法分辩两个字节，需要准确搜索时，不能随便从中间定位，因为如果错开了一个字节，就会造成乱码，这样诸如二分法之类的算法都不灵了。
当然，如果用等宽的编码，比如UNICODE，或GB2312/GBK全汉字字符（英文和标点用全角汉字），就没有上面的问题，WINDOWS内部就用双字节的UNICODE，代价是资源消耗很大，而后一种所有字符都采用全角的情况很少见。
注：GBK是GB2312的扩展，而GB2312最大的问题之一，是区码的码位和位码规则完全一样，原始的GB2312区位，区是从1到94，位也是1到94，护展到机内码是区号+160，位号加160，各占一个字节，因此从理论上来说，在字符串内以字节为单位随机取一个字节开始，没有可靠的算法可以分辩出这个字节是区码还是位码，而它后面的字串也跟着不能确定，于是精确的搜索字串只能老老实实从第一个字节开始扫描，见到第一个128以上的字节就当成汉字的区位，从它开始定位两个一组解析，直到发现第一个ASCII码为止，于是以字节为单位转入ASCII的分析，直到发现一个大于128的字符……这种循环效率低下是肯定的。