iconv文件编码判断转换

继我的前一篇文章《iconv用法，编码转换（一）》 后，补充如何识别一个字符数组里面的文本是否是utf8格式的方法，因为对于非utf8格式的文本也进行iconv（）处理的话，会删除掉非utf8文本内容，因此调用iconv（）函数前需进行字符集判断。方法如下：

使用int IsTextUTF8(const char* str,unsigned int  length);函数来识别是否为utf8类型：

[cpp]  view plain copy

1. #include<iconv.h>  
2. #include<iostream>  
3. #include<fstream>  
4.   
5. using namespace std;  
6.   
7. int IsTextUTF8(const char* str,unsigned int  length);  
8. int main()  
9. {  
10.     iconv_t cd = iconv_open("GBK","UTF-8");  
11.     if(cd == (iconv_t)(-1))  
12.     {  
13.         cout<<"Failed";  
14.     }  
15.     else   
16.     {  
17.         cout<<"Success"<<endl;  
18.     }  
19.   
20.     ifstream fp("1.html");  //1.html为utf8编码格式的文件  
21.     char * inbuf = new char[1000] ;  
22.     string s;  
23.     while(getline(fp,s))  
24.     {  
25.         inbuf = (char *)s.c_str();  
26.         char * in = inbuf;  
27.         char * outbuf = new char[1000];  
28.         char * out = outbuf;  
29.         size_t inlen = 1000;  
30.         size_t outlen = 1000;  
31.         int res = IsTextUTF8(in,s.size());  
32.         if(res)   
33.         {  
34.             cout<<"是utf8格式";  
35.             iconv(cd,&in,&inlen,&out,&outlen);  
36.         }  
37.         else   
38.         {  
39.             cout<<"不是utf8格式";  
40.             outbuf = inbuf;  
41.         }//iconv(cd,&in,&inlen,&out,&outlen);  
42.         cout<<outbuf;  
43.     }  
44.     iconv_close(cd);  
45.     return 0;  
46. }  
47.   
48.   
49. int IsTextUTF8(const char* str,unsigned int  length)  
50. {  
51.     int i;  
52.     unsigned long nBytes=0;//UFT8可用1-6个字节编码,ASCII用一个字节  
53.     unsigned char chr;  
54.     int bAllAscii=1; //如果全部都是ASCII, 说明不是UTF-8  
55.     for(i=0;i<length;i++)  
56.     {  
57.         chr= *(str+i);  
58.         if( (chr&0x80) != 0 ) // 判断是否ASCII编码,如果不是,说明有可能是UTF-8,ASCII用7位编码,但用一个字节存,最高位标记为0,o0xxxxxxx  
59.             bAllAscii= 0;  
60.         if(nBytes==0) //如果不是ASCII码,应该是多字节符,计算字节数  
61.         {  
62.             if(chr>=0x80)  
63.             {  
64.                 if(chr>=0xFC&&chr<=0xFD)  
65.                     nBytes=6;  
66.                 else if(chr>=0xF8)  
67.                     nBytes=5;  
68.                 else if(chr>=0xF0)  
69.                     nBytes=4;  
70.           
71.         else if(chr>=0xE0)  
72.                     nBytes=3;  
73.                 else if(chr>=0xC0)  
74.                     nBytes=2;  
75.                 else  
76.                 {  
77.                     return 0;  
78.                 }  
79.                 nBytes--;  
80.             }  
81.         }  
82.         else //多字节符的非首字节,应为 10xxxxxx  
83.         {  
84.             if( (chr&0xC0) != 0x80 )  
85.             {  
86.                 return 0;  
87.             }  
88.             nBytes--;  
89.         }  
90.     }  
91.     if( nBytes > 0 ) //违返规则  
92.     {  
93.         return 0;  
94.     }  
95.     if( bAllAscii ) //如果全部都是ASCII, 说明不是UTF-8  
96.     {  
97.         return 0;  
98.     }  
99.     return 1;  
100. }