判断字符串是否UTF8编码

最新推荐文章于 2024-01-31 16:05:23 发布

weixin_30675247

最新推荐文章于 2024-01-31 16:05:23 发布

阅读量358

点赞数

原文链接：http://www.cnblogs.com/jobfindingnotes/p/4116617.html

版权

UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

举个例子，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。

bool IsUTF8(char * str, int len)
{
    int bytes = 0;
    bool allAscii = true;
    for(int i = 0 ;i < len;i++)
    {
        unsigned char c = str[i];
        if(c & 0x80)
            allAscii  = false;
        if(bytes==0)
        {
            if(c & 0x80)
            {
                while(c&0x80)
                {
                    c <<= 1;
                    bytes += 1;
                }
                if(bytes<2 && bytes>6)
                    return false;
                bytes--;
            }   
        }
        else
        {
            if((c & 0xc0) != 0x80)
                return false;
            bytes--;
        }
    }
    if(allAscii)
        return false;
    return bytes == 0;
     
}

转载于:https://www.cnblogs.com/jobfindingnotes/p/4116617.html