对汉字字符的统计

以GB2312为标准，说一下我对汉字字符统计的一点认识。

ASCII码：一个字符占一个字节，以0开头；

中文字符：一个汉字占两个字节，以1开头。

ASCII码的161-255这中间94个字符很少用，所以用来作为中文字符的编码。但是中文汉字很多，远不止94个，所以我们用94*94=8836个足够来表示日常生活中常用的汉字。

对于汉字的统计，我一开始采用了以下的方法，比较简单易行，可以用来做要求不高汉字不难的简单统计，但是容易出Bug。

因为汉字从0xA0开始编码，其中0xA0即160，在其后包括有中文的标点符号，也算在汉字字符集中。所以我们可以直接考虑用

int ch,count=0;

分别代表汉字的字节和对汉字的计数。

将读取到的汉字字节直接与0xA0作比较

if (ch>0xA0)
count++;

但是要注意，汉字字符占俩字节阿，所以最后要

count/=2；

你以为这就完事儿了？怎么可能！

还有还有还有！！

我们木有考虑到一个问题：

如果所统计的目标文件里面有一些幺蛾子，它们不算是中文字符，但又占两个字节，而且两个字节中说不定满足有大于0xA0的。那如果是这样的话，我们的统计就又出错了，这就是我上面说的容易出Bug的原因。

下面我再介绍一种严谨的统计方法。

本文一开始说了，一个汉字占两个字节，都是以1开头的。所以我们可以考虑分别判断对于一个字符它的两个字节是否都是以1作为开头的，如果是则为中文字符。

因为1作为开头在最高位表示“负”，所以要用unsigned char无符号型来做统计。

（现就这样吧，等我回去补一下位运算再回来更。。）