GBK和Utf-8字符串截取函数
来源:互联网 发布:h3c mac过滤 编辑:程序博客网 时间:2024/05/17 02:52
工作中用到了,就写了一个。
GBK编码从0x8140-0xFEFE,去除0xxx7F这部分。包括了所用的中日韩字符集。
判断是否为GBK可以用isGBKChe 或 isGBKChe2,都可以。
一个是从区间判断,一个是从第一个字节的头位为一这个特性判断。
typedef unsigned char var_u1;#define isZone(p,a,b) ( (p) >= (a) && (p) <= (b) )#define isGBKChe(p) (isZone(*(var_u1*)p,0x81,0xFE) && isZone(*(var_u1*)(p+1),0x40,0xFE) && *(p+1) != 0x7F )#define isGBKChe2(p) (*(p)<0)static int cutbuf(char* p, int len, int size){ if( len<= size ) return len; char *pEnd = p + size - 1; char *pCur = p; if( !isGBKChe(pEnd) ) return size; while(pCur<pEnd) { if( isGBKChe(pCur) ) pCur+=2; else pCur++; } return pCur-p; }
utf-8判断遵循的是这个属性:
UTF-8的编码规则很简单,只有二条:
1)对于单字节的符号,字节的第一位设为0,后面7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。
2)对于n字节的符号(n>1),第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。
下表总结了编码规则,字母x表示可用编码的位。
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
汉字位于第三区间内,由三字节编码组成。
所以只要鉴别第一字节的头四个字位,后两位的前两个字位即可。
#define isUTF8Che(p) ( (*(var_u1*)(p))>>4 == 0x0E && (*(var_u1*)(p+1))>>6 == 0x02 && (*(var_u1*)(p+2))>>6 == 0x02 )static int qi_cutbuf_utf8(var_1* p, int len, int size){if( len<= size )return len;if( *(p + size - 1) >= 0 )return size;if( size < 3 )return 0;char *pEnd = p + size;char *pCur = p + size - 2;while(pCur>p && (*(var_u1*)(pCur))>>4 != 0x0E ){pCur--;}while(pCur<pEnd){if( isUTF8Che(pCur) )pCur+=3;elsepCur++;}if( pCur > pEnd )pCur -= 3;return pCur-p;}
中间做了个优化,
1.如果截取末尾为正数,可以认为该字符为单字符编码,直接截取即可。
2.如果小于3字节,返回0长度。
3.向前找1110 xxxx或大于零的字节,然后从该位置向后计算,这样可以不用从头遍历。
这两个文章是介绍编码字符集的:
字符编码简介:ASCII,Unicode,UTF-8,GB2312:http://www.cnblogs.com/mjgforever/archive/2008/02/27/1083135.html
字符集GBK和UTF8的区别说明:http://space.itpub.net/55022/viewspace-713901
- GBK和Utf-8字符串截取函数
- 按 字节截取分别以GBK 和 utf-8 编码的 字符串的java程序。
- PHP 截取字符串函数整理(支持gb2312和utf-8)
- 没事写了两个函数,php中gbk和utf-8中文无乱码截取
- php 截取UTF-8 GBK汉字
- GBK和UTF-8
- GBK和UTF-8
- gbk和utf-8
- GBK和UTF-8
- UTF-8和GBK
- PHP字符串截取函数支持utf和gb2312
- Android ndk中字符串转utf-8和gbk
- 获取字符串汉字首字母,兼容GBK和UTF-8
- 截取UTF-8编码下字符串的函数
- php中截取UTF-8字符串的函数
- PHP 中文字符串截取函数(UTF-8)有效
- 截取UTF-8编码下字符串的函数
- php 截取utf-8字符串
- QueryPerformanceCounter/QueryPerformance
- Android通过共享用户ID来实现多Activity进程共享
- 单数行一个颜色,双数行一个颜色
- virtual关键字与多态
- 各种MySQL索引类型的介绍
- GBK和Utf-8字符串截取函数
- 怎么有效利用碎片时间的?
- android permission
- 我的第一份android工作
- 为什么匿名内部类参数必须为final类型
- 强连通分量
- opengl 打开和关闭垂直同步方法
- java线程之线程同步
- C#数据库操作类的封装