文本编码检测算法代码的一个BUG

网上流行的文本编码自动检测,一般都是拷贝过来的,一个名为erik peterson的人写的。

看了一下其代码,似乎有个地方写错了。

看代码中添加的中文注解:

sjis_probability(unsigned char* rawtext) {
  unsigned int i, rawtextlen = 0;
  
  int dbchars = 1, jpchars = 1;
  long jpfreq = 0, totalfreq = 1;
  float rangeval = 0, freqval = 0;
  int row, column, adjust;
  
  // Stage 1:  Check to see if characters fit into acceptable ranges
  rawtextlen = strlen((char*)rawtext);
  for (i = 0; i < rawtextlen-1; i++) {
    //System.err.println(rawtext[i]);
    if (rawtext[i] <= 0x7E) {
      //asciichars++;
    } else {
      dbchars++;
      if (i+1 < rawtextlen &&
	  ((0x81 <= rawtext[i] && rawtext[i] <= 0x9F) ||
	   (0xE0 <= rawtext[i] && rawtext[i] <= 0xEF)) &&
	  ((0x40 <= rawtext[i+1] && rawtext[i+1] <= 0x7E) ||
	   (0x80 <= rawtext[i+1] && rawtext[i+1] <= 0xFC)))
	{
	  jpchars++;
	  totalfreq += maxfreq;
	  row = rawtext[i];
	  column = rawtext[i+1];
	  if (column < 0x9f) {
	    adjust = 1;
	    if (column > 0x7f) {
	      column -= 0x20;
	    } else {
	      column -= 0x19;
	    }
	  } else {
	    adjust = 0; 
	    column -= 0x7e;
	  }
	  if (row < 0xa0) {
	    row = ((row - 0x70) << 1) - adjust;
	  } else {
	    row = ((row - 0xb0) << 1) - adjust;
	  }
	  
	  row -= 0x20;
	  column = 0x20; // 这里应该改为:column -= 0x20

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值