判断一个字节是汉字的前一个字节,还是后一个字节

判断一个字节是汉字的前一个字节,还是后一个字节

2008-10-16 15:37

判断一个字节是汉字的前一个字节,还是后一个字节
1> 使用IsDBCSLeadByte函数能够判断一个字符是否是双字的第一个字节，试试看：）
2> _ismbslead _ismbstrail
3> GB2312/GBK用的是高位区码（GBK用扩展的区码）+高位位码拼成一个全角字（双字节），由于区码和位码都在128以上，并且没有可靠的算法分辩两个字节（原因下面我会解释），需要准确搜索时，不能随便从中间定位，因为如果错开了一个字节，就会造成乱码，这样诸如二分法之类的算法都不灵了。
当然，如果你是用等宽的编码，比如UNICODE，或GB2312/GBK全汉字字符（英文和标点用全角汉字），就没有上面的问题，WINDOWS内部就用双字节的UNICODE，代价是资源消耗很大，而后一种所有字符都采用全角的情况很少见。
注：GBK是GB2312的扩展，而GB2312最大的问题之一，是区码的码位和位码规则完全一样，原始的GB2312区位，区是从1到94，位也是1到94，护展到机内码是区号+160，位号加160，各占一个字节，因此从理论上来说，在字符串内以字节为单位随机取一个字节开始，没有可靠的算法可以分辩出这个字节是区码还是位码，而它后面的字串也跟着不能确定，于是精确的搜索字串只能老老实实从第一个字节开始扫描，见到第一个128以上的字节就当成汉字的区位，从它开始定位两个一组解析，直到发现第一个ASCII码为止，于是以字节为单位转入ASCII的分析，直到发现一个大于128的字符......这种循环效率低下是肯定的。

转载于:https://www.cnblogs.com/xilentz/archive/2010/05/09/1731408.html