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
#include
#include
#include
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<
}
//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<
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!