关于中文文本的截取

从Java转到C++后,对于它的字符串处理能力抱怨了好久
这不,非Unicode下对字符串进行截取有时会出现乱码,因为把一个汉字是两个字节,如果拆开了就显示不正确了

IsDBCSLeadByte

The IsDBCSLeadByte function uses the ANSI code page to determine whether a specified byte is potentially a lead byte that is, the first byte of a two-byte character in a double-byte character set (DBCS).

To use a different code page, use the IsDBCSLeadByteEx function.

BOOL IsDBCSLeadByte(BYTE TestChar   // character to test);

MSDN里有这个函数,可以判断一个char是不是一个双字节字的开始.
但是,对于汉字来说,第一个字节肯定大于0x80,第二个字节就不一定了,所以,要判断一个字节是不是汉字的一部分,只能从字符串的开头进行扫描:

for (int i = 0; i < text.length(); i++)
{
    if (IsDBCSLeadByte(text[i])
    {
        i++;
        //TODO:
    }
}

这样就可以在遇到汉字的时候一次跳过两个字节了