C++中汉字字符串的截取

1、

复制代码 代码如下:

const char *str = \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(\* 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(\

for (inti = 0; i 0) continue;//2

else if (b1 < 0) { //不可能为0，0为字符串结束符 retStr = new String(b, \break; } }

} catch (UnsupportedEncodingException e) { // e.printStackTrace(); }

return retStr; }

3、

复制代码 代码如下:

unsigned char *str = \测试test\int length; inti;

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=\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”