汉字编码及C++里的判断

DOS下的点阵汉字
　　你是否碰到过用启动盘启动系统后用DIR命令得到一串串莫名其妙的字符？有经验的朋友会告诉你：那是汉字。汉字？你不禁会问：怎么一个我一个也不认 识。但那确确实实是汉字，如果你启动UCDOS或其他的汉字系统后，就会看到那是一个个熟悉的汉字。同样是汉字，为什么前后会看到不同的结果？呵呵，其实 在电脑硬件中，根本没有汉字这个概念，也没有英文的概念，这铁玩意认识的概念只有——内码。

汉字的内码

　　点头表示什么？是“对”、“YES”，偏偏有的地方表示的意义却恰恰相反。一个动作，有不同的诠释；一个问题，有不同的答案；而一个符号，却有 不同的意义，关键在于：你是如何地理解。在电脑中亦如此，所有的数据都是以0和1保存的，按不同的数据操作，可以得到不同的结果。对于显示英文操作，由于 英文字母种类很少，只需要8位（一字节）即可。而对于中文，常用却有5000以上，于是我们的DOS前辈想了一个办法，就是将ASCII表的高128个很 少用到的数值以两个为一组来表示汉字，即汉字的内码。而剩下的低128位则留给英文字符使用，即英文的内码。不信，你可以用记事本写一C文件：
main()
{ unsigned char *s,*e="ABcd",*c="你好";
　clrscr();
　printf("English char =");

s=e;
　while(*s!=0) /*C的字符串以0为结束符*/
　{printf("%3d,",*s);
　 s++;
　}
　printf("/nChinease char=");
　s=c;
　while(*s!=0)
　{printf("%3d,",*s);
　 s++;
　}
　getch();
}
再用TC输入*.txt打开运行，看见了没有，那些数值即英文和汉字的各字节内码。

汉字字模

　　得到了汉字的内码后，还仅是一组数字，那又如何在屏幕上去显示呢？这就涉及到文字的字模，字模虽然也是一组数字，但它的意义却与数字的意义有了 根本的变化，它是用数字的各位信息来记载英文或汉字的形状，如英文的'A'在字模中是这样记载的：

《在图中》
在硬件系统内，英文的字模信息一般固化在ROM里，即使在没有进入系统的CMOS里，也可以让你看到英文字符。而在DOS下，中文的字模信息一般记录在汉 字库文件HZK16里。

汉字库文件

　　了解字母和汉字是按字模位信息显示的原理后，那如何得到汉字的字模信息呢？难道要我们自己去做？NO。DOS前辈们经过艰辛的努力，将制作好的 字模放到了一个个标准的库中以免去后辈的麻烦，这就是点阵字库文件。一般我们使用16*16的点阵宋体字库，所谓16*16，是每一个汉字在纵、横各16 点的区域内显示的。不过后来又有了HZK12、HZK24，HZK32和HZK48字库及黑体、楷体和隶书字库。虽然汉字库种类繁多，但都是按照区位的顺 序排列的。前一个字节为该汉字的区号，后一个字节为该字的位号。每一个区记录94个汉字，位号则为该字在该区中的位置。因此，汉字在汉字库中的具体位置计 算公式为：94*(区号-1)+位号-1。减1是因为数组是以0为开始而区号位号是以1为开始的。这仅为以汉字为单位该汉字在汉字库中的位置，那么，如何 得到以字节为单位得到该汉字在汉字库中的位置呢？只需乘上一个汉字字模占用的字节数即可，即：(94*(区号-1)+位号-1)*一个汉字字模占用字节 数，而按每种汉字库的汉字大小不同又会得到不同的结果。以16*16点阵字库为例，计算公式则为：(94*(区号-1)+(位号-1))*32。汉字库文 该从该位置起的32字节信息即记录了该字的字模信息。

点阵汉字的显示

　　了解点阵汉字及汉字库的构成原理后，显示汉字就变得简单。以16*16点阵字库为例，通常的方法是：将文件工作指针移到需要的汉字字模处、将汉 字库文件读入一2*16数组再用for循环一位位地显示。以使用VGAHI模式显示“我”字为例，程序如下：
#include "graphics.h"
#include "stdio.h"
main()
{ int i=VGA,j=VGAHI,k;
　unsigned char mat[16][2],chinease[3]="我";
　FILE *HZK;
　if((HZK=fopen("hzk16","rb"))==NULL)exit(0);
　initgraph(&i,&j,"");
　i=chinease[0]-0xa0;j=chinease[1]-0xa0;　/*获得区码与位码*/
　fseek(HZK,(94*(i-1)+(j-1))*32l,SEEK_SET);
　fread(mat,32,1,HZK);
　for(j=0;j<16;j++)
　 for(i=0;i<2;i++)
　　for(k=0;k<8;k++)
　　 if(mat[j][i]&(0x80>>k))　/*测试为1的位则显示*/
　　　putpixel(i*8+k,j,WHITE);

getch();
　closegraph();
　fclose(HZK);
}
怎么样？只要掌握了正确的方法，显示汉字并不复杂。

打印字库文件和HZK12

　　如果你有UCDOS的HZK24S（宋体）、HZK24K（楷体）或HZK24H（黑体），你还可以使用不同字体的大字模汉字了。HZK24系 列是24*24的点阵字库，每字模占用3*24字节。如果你按照HZK16的显示方法的话，你会看到......呵呵，字被放倒了。这是因为该类字库与一 般的汉字库不同，这类大字模汉字库是专供打印的打印字库，为了打印的方便将字模都放倒了，你使用时，只要将字模的位信息纵横转置显示即可。例如你如果定义 为mat[24][3]则应该这样输出：
　for(i=0;i<24;i++)
　 for(j=0;j<24;j++)
　　if((0x80>>i%8)&mat[j][i/8])　/*转置显示*/
　　 putpixel(j+x,y+i,color);
　　还有一类字库HZK12，虽然属于标准字库类型，但如果你将它的字模当作12*12位计算的话，根本无法正常显示汉字。因为字库设计者为了使用的方 便，字摸每行的位数均补齐为8的整数倍，于是实际该字库的位长度是16*12，虽然每行都多出了4位，但这4位都是0（不显示），并不影响显示效果。

看字符的编码规范;GB2312的汉字以大于0x80的字节开始

#include <stdlib.h>
#include <stdio.h>
#include <string.h>
  
int first(unsigned char ch)
{
      if(ch>=0xb0&&ch<=0xf7)
        return 1;
      else
        return 0;
}
int second(unsigned char ch)
{
          if(ch>=0xa1&&ch<=0xfe)
        return 1;
      else
        return 0;
}
int check(const char* p)
{
      int i=0;
      for(i=0;i<strlen(p)-1;i++)
            if(first(p[i])&&second(p[i+1]))
                return 1;
return 0;
}
  
  
main()
{
const char* str= "sdfddfsdf";
check(str)?puts("there has character!"):puts("there has none character!");
  
}

适用于GB2312字符集,  
可修改first和second函数,使适用于其他字符集:)

一种可能是小于0xb0而大于0x80   ,那是GB2312中的其他字符,而非汉字.包括西文...  
另一种可能是乱码(该字符串因为未知的原因丢失了第二位,产生乱码)

 

原文地址：http://space.baidu.com/gamedot/blog/item/55a3005c88c0fe44faf2c0ee.html