C++中漢字字串的截取

1、

複製代碼 代碼如下:const char *str = "test測試test";
while(*str)
{
//這裡只需要判斷第一個位元組大於0x80就行了，前提是輸入的是合法的GBK字串
//原因在於，如果第一個位元組大於0x80，那麼它必然和後面一個位元組一起組成一個漢字
//所以就沒有必要再去判斷後面一個位元組了
//再強調一下，前提條件是輸入合法的GBK字串
if(*str > 0x80)
{
// 漢字，計數器++
str += 2;//是漢字自然就該直接+2了
}
else
{
str++；
}
}

2、

參看下面的字串轉換函式。

複製代碼 代碼如下:/**
* 用getBytes(encoding)：返回字串的一個byte數組
* 當b[0]為 63時，應該是轉碼錯誤
* A、不亂碼的漢字字串：
* 1、encoding用GB2312時，每byte是負數；
* 2、encoding用ISO8859_1時，b[i]全是63。

* B、亂碼的漢字字串：
* 1、encoding用ISO8859_1時，每byte也是負數；
* 2、encoding用GB2312時，b[i]大部分是63。
* C、英文字串
* 1、encoding用ISO8859_1和GB2312時，每byte都大於0；
* 總結：給定一個字串，用getBytes("iso8859_1")
* 1、如果b[i]有63，不用轉碼； A-2
* 2、如果b[i]全大於0，那麼為英文字串，不用轉碼； B-1
* 3、如果b[i]有小於0的，那麼已經亂碼，要轉碼。 C-1
*/
private static String toGb2312(String str) {
if (str == null) return null;
String retStr = str;
byte b[];
try {
b = str.getBytes("ISO8859_1");

for (int i = 0; i < b.length; i++) {
byte b1 = b[i];
if (b1 == 63)
break; //1
else if (b1 > 0)
continue;//2
else if (b1 < 0) { //不可能為0，0為字串結束符
retStr = new String(b, "GB2312");
break;
}
}
} catch (UnsupportedEncodingException e) {
// e.printStackTrace();
}
return retStr;
}

3、

複製代碼 代碼如下:unsigned char *str = "test測試test";
int length;
int i;

length = strlen(str);
for (i = 0; i < length - 1; i++)
{
if ( *str >= 0x81 && *str <= 0xFE
&& *(str + 1) >= 0x40 && *(str + 1) <= 0xFE)
{
// 漢字
}
}

unsignedchar*str="test測試test";//把字串換成“漢A”試試，結果為2

有人說：“一個GBK漢字要佔兩個char空間(二位元組），而且第一個位元組裡的值是小於0的。可以據此判斷是否為漢字。”
1、為什麼第一個位元組的值小於0呢？
2、如果僅通過判斷第一個位元組如果小於0，則該位元組和下一個位元組就組成一個漢字，這種邏輯是否保險？
3、因為還看到有人說，GBK編碼的漢字有高位和低位兩位，第一個是低位吧？需要第一個位元組在160-254之間，第二個位元組在64-254之間，這樣是不是比2中提到的方法要保險？
4、如果DB中的字元集是SIMPLIFIED CHINESE_CHINA.ZHS16GBK，這個是GBK字元集？GBK相容GB2312

似乎有些字元集中有些漢字佔三個位元組

“通過判斷第一個位元組如果小於0，則該位元組和下一個位元組就組成一個漢字”

//GBK漢字內碼範圍
//81-A0 ,40-7E 80-FE
//AA-AF ,40-7E 80-A0
//B0-D6 ,40-7E 80-FE
//D7 ,40-7E 80-F9
//D8-F7 ,40-7E 80-FE
//F8-FE ,40-7E 80-A0
例如：//81-A0 ,40-7E 80-FE
表示字元的ascii碼要在129-160，64-126，128-254這三個區間段內

4、
在工作中，遇到要截取字串在螢幕上顯示出來，因為字串帶有漢字，如果截取不好，會引起亂碼，寫了下面的函數

在uclinux下與VC6.0中測試可以通過。

view plaincopy to clipboardprint?

複製代碼 代碼如下: /*截取字串

name :要截取的字串

store:要儲存的字串

len:要截取的長度

*/

void split_name( char * name , char * store , int len )
{

int i= 0 ;

char strTemp[L(NAMEL)]={0};

if ( strlen(name)
{

strcpy( store, name ); *name=0;

return ;

}

//從第１個位元組開始判斷

while( i < len )

{

if ( name[i]>>7&1 && name[i+1]>>7&1 ) //if ( name[i] < 0 && name[i+1] < 0 )

i = i + 2 ;

else

i = i + 1 ;

}

i = i > len ? i-3 :i-1;

strncpy( store , name , i+1 ); //截取前i+1位

*(store+i+1)=0;

strcpy( strTemp , name + i + 1 );

strcpy( name , strTemp );

}