linux下c/c++实例之九识别中文字符

一、简介

      Linux下C++判断一个字符串是否为中文，可以先了解些汉字的编码。

二、详解

1、部分汉字编码

 

Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

       以汉字“严”为例，演示如何实现UTF-8编码。已知“严”的unicode是4E25（100111000100101），根据上表，可以发现 4E25处在第三行的范围内（0000 0800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是 “11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

 

2、代码

（1）chinese.cpp：

 

#include <iostream>
#include <string.h>
#include <stdio.h>
#include <stdlib.h>
using namespace std;
/***linux下一个中文占用三个字节,windows占两个字节***/
void chinese_or_english(char *str)
{
  char chinese[4] = {0};
  for (int i = 0; i < strlen(str); i++) {
    //if (str[i] >= 0 && str[i] <= 127) {      //ascII
    if ((str[i] & 0x80) == 0) {   //chinese:the top is 1
      cout<<"alpha:"<<str[i]<<endl;
    }
    //else if (str[i] < 0){
    else {
      chinese[0] = str[i];
      chinese[1] = str[i + 1];
      chinese[2] = str[i + 2];
      i++;    //skip one more
      i++;
      printf("chinese:%s\n", chinese);
    }
  }
}
int main()
{
  char str[] = "tai太阳yang";
  cout<<strlen(str)<<endl;
  chinese_or_english(str);
  return 0;
}

 

（2）编译运行

g++ -o chinese chinese.cpp 
./chinese 

 

三、总结

（1）汉字编码简明对照表：http://xh.5156edu.com/page/z1792m6697j19744.html，汉字编码：http://blog.163.com/seven_7_one/blog/static/162606412201011280742953/。
（2）若有建议，请留言，在此先感谢！