<span style="font-family: Arial, Helvetica, sans-serif;">C语言处理混合字符串
一般的,我们学习C语言时或其他语言时,都是只考虑单纯的字母和符号,因此可以很方便的只需要了解ASCII码就可以解决所有问题,涉及到汉字时也往往提供了一些库来处理,但是比较开发时也会遇到很多光靠库解决不了的问题,比如将字符串中的特殊字符过滤出来,如果你不了解编码特点便无法下手。下面给出了简单的介绍。
注意两点:
1、汉字、字母、标点符号等,它们占的字节长度不同,其中汉字为两个字节,其他的是一个字节,如char word[]="你好a!";那么sizeof(word)=7,这里面”你”“好“分别占两个字节,共4个字节,感叹号占一个字节,a占一个字节。再加上结束符 ‘\0'一个字节,所以为7;strlen(word)=6;
2、 汉字要求:占两个字节,且第一个字节大于0xa1,用二进制表示是:1010 0001,如果是圆角字符,第一个字节应等于0xa3,即1010 0011,第二个字节可以是从0到255.因此汉字的最高位一定为1,在代码里要用unsigned char来使用它的数的特征。
字母、标点符号:占一个字节,同Ascii码,最高为必为0
以下函数是将汉字、字母、数字、空格、小括号等字符取出,即过滤掉字符串当中的特殊字符,如&%¥#等字符,以下代码的功能是过滤这些特殊字符,只保留汉字、数字、字母、括号,如"(我&爱#@?你)",执行下面的函数后得到的结果是"(我爱你)"</span>
<pre name="code" class="cpp">void words_trim(char cmd[], char out[],int len)
{
int i = 0;
int j = 0;
while (i < len){
unsigned char dw = (unsigned char)cmd[i];
printf("cmd[%d]=%u\n", i, dw);
if (dw >= 0xa1){
if (dw != 0xa3){//chinese//半角汉字处理
out[j++] = cmd[i];
out[j++] = cmd[i + 1];
}
i = i + 2;
}
else{//english
if ((dw>='a'&&dw<='z') || (dw>='A'&&dw<='Z') || (dw>='0'&&dw <= '9')||dw==' '||dw=='('||dw==')'){
out[j++] = cmd[i];
}
i = i + 1;
}
}
printf("trim:cmd = %s, out = %s\n", cmd, out);
}
</pre><pre code_snippet_id="478007" snippet_file_name="blog_20140930_8_628172" class="cpp" name="code">输入:cmd[]=<span style="font-family: Arial, Helvetica, sans-serif;">"(我&爱#@?你)",输出:trim:cmd=</span><span style="font-family: Arial, Helvetica, sans-serif;">(我&爱#@?你),out=(我爱你)</span>