一夜发白《千字文》

背景
在古代中国，《三字经》、《百家姓》、《千字文》被合称为三、百、千，都是非常重要的启蒙教育课本，广为流传。而其中问世最早的《千字文》更凭借其优美的文字、华丽的辞藻成为中华传统文化的一个重要组成部分，得到了人们的普遍重视和喜爱。

《千字文》的作者，是梁武帝时代官拜散骑员外郎的周兴嗣。历来在正史上的记载，就这样一笔带过，但据私家笔记的野史记载，内容不是这样简单了。周兴嗣同梁武帝本来便是文字之交的朋友，在萧齐时代，还在朝廷上有过同僚之谊。到了梁武帝当了皇帝，那就变成君臣的关系。由朋友变君臣，说是关系不错，其实，伴君如伴虎，反是最糟糕的事，周兴嗣有一次不小心得罪了梁武帝，梁武帝一怒之下，想杀他或很严厉地处分他，到底还是于心不忍，只好下令把先关起来再说。但梁武帝又说了一句话，你不是文才很好吗？你能在一夜之间，把一千个不同的字，写一篇好文章，就赦你无罪。因此，周兴嗣就在一夜之间，挖空心思，写了这篇《千字文》。文章写好了，可是在一夜之间，头发、眉毛、胡子也都白了！大家要注意，用一千个不同的中文字，一夜之间，写出有关宇宙、物理、人情、世故的文间，等于写了一篇非常精简的“中国文化纲领要点”，虽然，只写到南北时期的梁朝为止，实在也太难了。梁武帝本人，才华文学都自命不凡，看了周兴嗣一夜之间之间所写的《千字文》，也不能不佩服。周兴嗣因此得到宽恕，而且还特加赏赐。

——摘自南怀瑾《原本大学微言》

现代人，一生中有机会通读千字文的机会是非常少的，很多理工科的大学生，完全没有听说过这篇神奇的文章，自然也会抱着“怀疑一切”的态度问，真的有这么神吗，真的一个重复的字都没有吗？耳听为虚，眼见为实，我们就来检验一下千字文中是不是真的没有重复的字。

不过在动手之前，先让我们花上几分钟的时间，读读《千字文》吧：简体中文版、正体中文版。

任务
请编写一个程序，从输入中读取一篇中文文章，并统计出该文章中 ASCII 字符以外的重复出现的每一个字重复出现的次数。

文章使用 UTF-8 编码，可能会出现任何可以用 UTF-8 编码表示的字符（不限于中文）。

文章中所有的字符在 UCS-2 能够表示的范围内，即字符的 Unicode 值用两个字节就可以表示。

输入
一篇文章，总字数不限、每行字符数不限。每个字重复出现的次数不超过 60000 次。

输出
按照 Unicode 编码从小到大的顺序，输出文章中 ASCII (0~127) 字符以外的每一个重复出现过的字重复出现的次数。每行包含三项内容，首先是重复的字符（以 UTF-8 编码输出），然后是该字符的 Unicode 编码值（十六进制输出，字母均使用小写，长度不足4位数的用0补齐），最后输出该字符的重复次数。

如果文章中没有出现重复的字，则输出“No repeat!”。

要做这道题必须先弄懂 UTF-8 编码和Unicode的编码方式，这篇文章写的很不错

<a href="http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html">http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html</a>

弄懂了编码方式，就容易了。

#include <stdio.h>
struct hanzi
{
	int val;
	unsigned char s[5];
}f[65536];

int main()
{
	unsigned char c,d,e,ff;
	int unic,i,aa=0;
	for (i = 1; i <= 65535; i++){
		f[i].val = 0;
	}

	while (scanf("%c", &c) != EOF){
		if ((c >> 4) < 8){
			continue;
		}
		else if ((c >> 4) == 15){
			d = getchar();
			e = getchar();
			ff = getchar();
			unic = ((c & 7) << 18) + ((d & 63) << 12) + ((e & 63) << 6) + (ff & 63);
			f[unic].val++;
			f[unic].s[0] = c;
			f[unic].s[1] = d;
			f[unic].s[2] = e;
			f[unic].s[3] = ff;
			f[unic].s[4] = '\0';
		}
		else if ((c >> 4) == 14){
			d = getchar();
			e = getchar();
			unic = ((c & 15) << 12) + ((d & 63) << 6) + (e & 63);
			f[unic].val++;
			f[unic].s[0] = c;
			f[unic].s[1] = d;
			f[unic].s[2] = e;
			f[unic].s[3] = '\0';
		}
		else if ((c >> 4) >= 12){
			d = getchar();
			unic = ((c & 31) << 6) + (d & 63);
			f[unic].val++;
			f[unic].s[0] = c;
			f[unic].s[1] = d;
			f[unic].s[2] = '\0';
		}
	}
	for (i = 1; i <= 65535; i++){
		if (f[i].val >1){
			printf("%s 0x%04x %d\n", f[i].s,i,f[i].val);
			aa = 1;
		}
	}
	if (aa == 0)
		printf("No repeat!\n");
			
	return 0;
}

注意字符要定义成 unsigned char

输入一个判断一个比较方便，占用内存较少，文件输入结束标志EOF

位运算：前5位归零 后3位不变 &7，，，左移6位 <<6

存重复的汉字，用哈希，结构体，用Unicode值做下标

全局结构体初始化，不要直接在外面初始化，要在函数内用for循环来初始化

注意调试时不要再console中直接输入，这样输的好像不是utf-8编码

用函数 FILE *freopen(const char *filename,const char *type, FILE *stream);

将程序的输入和输出重定向到事先创建的以UTF-8为编码的文本文件中

具体就是在函数中的最前面加入

freopen("D://in.txt","r",stdin);
freopen("D://out.txt","w",stdout);
scanf("%*c%*c%*c");

因为utf-8文件前三个字符是自带的，所以要把它们吃掉