本文實例講述了C++實現判斷一個字符串是否為UTF8或GBK格式的方法。分享給大家供大家參考，具體如下：
在處理外部數據的時候，很可能因為數據格式不一樣而導致亂碼，甚至導致某些程序掛掉。鑒于對多數系統來說，使用是更被廣泛使用的utf8，所以判斷是不是utf8格式顯得很重要了。
下面是一個判斷字符串是否為utf8的函數：
bool is_str_utf8(const char* str){ unsigned int nBytes = 0;//UFT8可用1-6個字節編碼,ASCII用一個字節 unsigned char chr = *str; bool bAllAscii = true; for (unsigned int i = 0; str[i] != '/0'; ++i){ chr = *(str + i); //判斷是否ASCII編碼,如果不是,說明有可能是UTF8,ASCII用7位編碼,最高位標記為0,0xxxxxxx if (nBytes == 0 && (chr & 0x80) != 0){ bAllAscii = false; } if (nBytes == 0) { //如果不是ASCII碼,應該是多字節符,計算字節數 if (chr >= 0x80) { if (chr >= 0xFC && chr <= 0xFD){ nBytes = 6; } else if (chr >= 0xF8){ nBytes = 5; } else if (chr >= 0xF0){ nBytes = 4; } else if (chr >= 0xE0){ nBytes = 3; } else if (chr >= 0xC0){ nBytes = 2; } else{ return false; } nBytes--; } } else{ //多字節符的非首字節,應為 10xxxxxx if ((chr & 0xC0) != 0x80){ return false; } //減到為零為止 nBytes--; } } //違返UTF8編碼規則 if (nBytes != 0) { return false; } if (bAllAscii){ //如果全部都是ASCII, 也是UTF8 return true; } return true;}關于utf8的一般性簡介和二進制格式可以參考百度百科。同樣關于GBK的判斷，也是使用的同樣的方法，具體代碼如下：
bool is_str_gbk(const char* str){ unsigned int nBytes = 0;//GBK可用1-2個字節編碼,中文兩個 ,英文一個 unsigned char chr = *str; bool bAllAscii = true; //如果全部都是ASCII, for (unsigned int i = 0; str[i] != '/0'; ++i){ chr = *(str + i); if ((chr & 0x80) != 0 && nBytes == 0){// 判斷是否ASCII編碼,如果不是,說明有可能是GBK bAllAscii = false; } if (nBytes == 0) { if (chr >= 0x80) { if (chr >= 0x81 && chr <= 0xFE){ nBytes = +2; } else{ return false; } nBytes--; } } else{ if (chr < 0x40 || chr>0xFE){ return false; } nBytes--; }//else end } if (nBytes != 0) { //違返規則 return false; } if (bAllAscii){ //如果全部都是ASCII, 也是GBK return true; } return true;}按照編碼規則這么寫，是正確的。但鑒于現在的utf8對于中文一般都是三個字節，而且utf8的編碼規則存在重合，如果是utf8，使用上面的這個函數，就會出現一個尷尬的問題，當中文字符為奇數個判斷正確，為則偶數個無法區別。
最后：如果誰有更好的辦法判斷一個字符串是否為GBK格式，歡迎告知。
希望本文所述對大家C++程序設計有所幫助。
新聞熱點
疑難解答
