C++中汉字字符串的截取

作者： 字体：[增加 减小] 类型：转载 时间：2013-05-03 我要评论

C++中汉字字符串的截取，需要的朋友可以参考一下

1、

复制代码代码如下:

const char *str = "test测试test";

while(*str)

{

//这里只需要判断第一个字节大于0x80就行了，前提是输入的是合法的GBK字符串

//原因在于，如果第一个字节大于0x80，那么它必然和后面一个字节一起组成一个汉字

//所以就没有必要再去判断后面一个字节了

//再强调一下，前提条件是输入合法的GBK字符串

if(*str > 0x80)

{

// 汉字，计数器++

str += 2;//是汉字自然就该直接+2了

}

else

{

str++；

}

}

2、

参看下面的字符串转换函数。

复制代码代码如下:

/** 

* 用getBytes(encoding)：返回字符串的一个byte数组 

* 当b[0]为 63时，应该是转码错误 

* A、不乱码的汉字字符串： 

* 1、encoding用GB2312时，每byte是负数； 

* 2、encoding用ISO8859_1时，b[i]全是63。

* B、乱码的汉字字符串： 

* 1、encoding用ISO8859_1时，每byte也是负数； 

* 2、encoding用GB2312时，b[i]大部分是63。 

* C、英文字符串 

* 1、encoding用ISO8859_1和GB2312时，每byte都大于0； 

* 总结：给定一个字符串，用getBytes("iso8859_1") 

* 1、如果b[i]有63，不用转码； A-2 

* 2、如果b[i]全大于0，那么为英文字符串，不用转码； B-1 

* 3、如果b[i]有小于0的，那么已经乱码，要转码。 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) { //不可能为0，0为字符串结束符 

retStr = new String(b, "GB2312"); 

break; 

} 

} 

} catch (UnsupportedEncodingException e) { 

// e.printStackTrace(); 

} 

return retStr; 

}

3、

复制代码代码如下:

unsigned char *str = "test测试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)

{

// 汉字

}

}

unsignedchar*str="test测试test";//把字符串换成“汉A”试试，结果为2

有人说：“一个GBK汉字要占两个char空间(二字节），而且第一个字节里的值是小于0的。可以据此判断是否为汉字。”

1、为什么第一个字节的值小于0呢？

2、如果仅通过判断第一个字节如果小于0，则该字节和下一个字节就组成一个汉字，这种逻辑是否保险？

3、因为还看到有人说，GBK编码的汉字有高位和低位两位，第一个是低位吧？需要第一个字节在160-254之间，第二个字节在64-254之间，这样是不是比2中提到的方法要保险？

4、如果DB中的字符集是SIMPLIFIED CHINESE_CHINA.ZHS16GBK，这个是GBK字符集？GBK兼容GB2312

似乎有些字符集中有些汉字占三个字节

“通过判断第一个字节如果小于0，则该字节和下一个字节就组成一个汉字”

//GBK汉字内码范围

//81-A0 ,40-7E 80-FE

//AA-AF ,40-7E 80-A0

//B0-D6 ,40-7E 80-FE

//D7 ,
4000
40-7E 80-F9

//D8-F7 ,40-7E 80-FE

//F8-FE ,40-7E 80-A0

例如：//81-A0 ,40-7E 80-FE

表示字符的ascii码要在129-160，64-126，128-254这三个区间段内

4、 

在工作中，遇到要截取字符串在屏幕上显示出来，因为字符串带有汉字，如果截取不好，会引起乱码，写了下面的函数

在uclinux下与VC6.0中测试可以通过。

view plaincopy to clipboardprint?

复制代码代码如下:

 /*截取字符串

 name :要截取的字符串

 store:要存储的字符串

 len:要截取的长度

 */

 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 ;

     }

     //从第１个字节开始判断

     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 );

 }