百度面试06年

下面这段代码是把中英文混合字符串(汉字用两个字节表示，特点是第一个字节的最高位为1)中的大写字母转化为小写字母，请找出其中的bug，注意各种异常情况。

for (char*piterator= szWord; *piterator!=0; piterator++)
{
    if (*piterator&0x80!=0) {
        piterator++;
    }else if (*piterator>='A'&&*piterator<='Z') {
        *piterator+=32;

    }
}

对于这个问题，我首先分析一下题目本身：
1.算法的基本思路比较清晰：遍历整个字符串，找出其中的大写的英文字符，然后把这些大写的英文字符转化成小写字符。
2.当字符串中某个字节的最高位是1，则这个字节和后面紧接着的一个字节组成了一个汉字字符。
3.对于字符串中占两个字节的汉字字符，我们应该跳过这个汉字字符，继续搜寻后面的字符。

有了这样的一个基本认识，我接着又考虑了一些细节的问题：
Q1:对于这样的字符串，我们用什么数据类型来保存其中的每个字节？
我们知道，ASCII编码的字符可以用signed char来保存，因为ASCII编码的字符的取值范围在[0,127],正好和signed char所能表示的正整数吻合。如果超出了这个范围，signed char就会溢出。本题的字符串中包含大于这个范围的值(字节的最高位是1)，所以用signed char就不合适了，这时候就应该考虑unsigned char。

Q2:对于这样的字符串，我们用什么方式来表示字符串的结束？
我们知道，对于用ASCII编码的字符串，我们用'\0'字符来表示字符串的结束。对于本题中的字符串，该怎样表示字符串的结束？我也不能确定，暂时还用'\0'来表示吧。

Q3:对于汉字字符，它占两个字节，第一个字节的最高位是1，那第二个字节有什么特征?
从题目中看不出来有什么特征。所体它可能是'\0',也可能是ACSII编码的字符，也可能是其他字符。

好了，有了以上理论上的分析，我在原来代码的基础上写一个修改的版本：

for (unsigned char *piterator = szWord; *piterator != '\0'; piterator++)
{
    if ((*piterator >= 'A') && (*piterator <= 'Z')) {
        //if the character is uppercase character
        *piterator += 32;
    }else if ((*piterator & 0x80)){
        //if the character is the first character of chinese character
        if (*(piterator+1) == '\0') {
            //if the second character is null character
        }else {
            ++piterator;
        }
    }
}

 

 

代码的分析：
1.我使用unsigned char来替换char。
2.对于汉字字符，我们只知道它的第一个字符的特征，我们却不知道第二个字符的特征，这样就存在一些特殊的情况：
2.1 汉字的第二个字符是'\0'。我们有可能把这个字符看作是整个字符串的结束字符，也就是字符串的最后的一个字符。这时候如果我们试图跳过这个字符去获取它后面的字符，就会发生字符串的"越界"错误。为了避免这样的错误，如果汉字的第二个字符是'\0',就不跳过这个字符。
2.2 汉字的第二个字符是英文的大写字母。在原先的代码中如果检测到某个字符是汉字字符的第一个字符，会将指针调整到这个汉字字符的第二个字节，接着又判断这个字节是否是大写字母，这时候就有可能将这个字符看作是大写字母，这样就发生了错误。为了避免这样的错误，我将判断是否是大小字母的代码放到前面。
3.另外的一个错误就是，由于"!="的优先级大于"&"的优先级，原先的代码：

*piterator&0x80!=0

被编译器解析成：

(*piterator)& (0x80!=0)

这样出来的结果就是错误的。为了避免这样的错误，我删除了"不等于0"的比较。