![54491eeb999331f83a2c6e369de529bb.png](https://i-blog.csdnimg.cn/blog_migrate/40b7b3d29150c5d61d8697a4803ea594.jpeg)
今天更新公司内部插件的时候遇到一个问题,就是需要识别一个字符串是中文还是英文,如果字符串中不存在中文字符就要用另一种方法处理。因为以前在学校的时候就没学好C语言和C++的字符串处理,再加上字符串不怎么遇到,有关字符串的知识基本忘完了。
过程:
源数据是从一个Access数据库中读取的字段,然后转化为string字符串。首先想到的是用ASCⅡ码的长度来看。但是网上查了下看到有人说.NET是把string统一处理为Unicode的,不论中英文都是一个字符。查阅了MSDN的.NET手册(4.7.2)后得知,string其实是引用自String类的的类型,一个string其实是一个或多个UTF-16的Unicode 字符的序列。而.NET一个string最多可以存储1亿个char(约2GB)。
通过搜索得知,UTF-16编码的Unicode使用16位无符号整型的格式进行编码,所以一个Unicode字符就是两字节。中文字符的Unicode只位于几个特定范围之内(都是16进制)——4E00-9FA5,2E80-A4CF,F900-FAFF,FE30-FE4F,其中第一个最常用,其他的都是扩展集、部首、象形字、注间字母等。
写了段小代码做实验,发现直接把byte[] bytes_en_cn里面的东西打印出来是一串数字:
114,101,0,101,0,98,0,111,0,107,0,16,149,101,107,
namespace unicode_test_1
{
class Program
{
static void Main(string[] args)
{
string en_cn = "reebok锐步";
byte[] bytes_en_cn = Encoding.Unicode.GetBytes(en_cn);
foreach (byte i in bytes_en_cn)
{
Console.WriteLine("{0},",i);
}
Console.Write("rn");
Console.ReadKey();
}
}
}
我:????,然后注意到
|114,0|101,0|101,0|98,0|111,0|107,0|16,149,101,107|
| r | e | e | b | o | k | 锐步 | ???
然后猜这可能是十进制的,接着算了下16(十进制)=10(十六进制),149(十进制)=95(十六进制),利用在线的字符/Unicode转换工具得出汉字“锐”的Unicode是38160,这对不上啊。思考了一下想到这两个16进制整数应该是代表一个类似编号的东西,16和149是两个数就不太对了,接着计算一下中文字符的范围4E00-9FA5的十进制表示是19968-40869,38160正好落在中间,算一下38160的十六进制是9510,正好是10,95反过来。再上网一查发现妈个鸡Unicode转换为字符的时候顺序是反过来的。
这样一来,把上面打印出来的数全换成16进制得到
|72,0|65,0|65,0|62,0|6f,0|6b,0|10,95|65,6b|
| r | e | e | b | o | k | 锐步 |
从后往前看072就是72,十进制为114,6B65的十进制是27493,这下捋顺了。
再写个控制台程序试试能不能在字符串“reebok锐步”中找出中文,这里我用了一个很直接的办法,当然实际上实现这一目的的方法是很多的,比如正则表达式(但是本菜鸡不太会)。
namespace unicode_test_1
{
class Program
{
static void Main(string[] args)
{
string en_cn = "reebok锐步";
char[] name = en_cn.ToCharArray();
byte[] bytes_en_cn = Encoding.Unicode.GetBytes(en_cn);
Console.Write("字符数组name:");
foreach (char i in name)
{
Console.WriteLine("{0},",i);
}
Console.Write("rn");
Console.Write("直接显示byte:");
foreach (byte i in bytes_en_cn)
{
Console.WriteLine("{0},",i);
}
Console.Write("rn");
Console.WriteLine("显示为16位");
foreach (byte i in bytes_en_cn)
{
Console.Write("{0:X},", i);
}
Console.Write("rn");
Console.Write("结果:");
foreach (char i in name)
{
if (i >= 0x4e00 && i <= 0x9fa5)
{
Console.Write("{0},", i);
}
}
Console.ReadKey();
}
}
}
结果:
![27c38d0d17861686b01399ed1667e8d4.png](https://i-blog.csdnimg.cn/blog_migrate/ab8f4c9e59f6985d10066966208eecc9.jpeg)
参考资料:
https://www.iteye.com/topic/977671www.iteye.com https://blog.csdn.net/u011511086/article/details/72865006blog.csdn.net String Class (System)docs.microsoft.com![d1e20519d53b55c767988ec659fc1589.png](https://i-blog.csdnimg.cn/blog_migrate/7b201d4bfedddcc4724f82f342062b58.jpeg)