1个字节:0XXXXXXX
2个字节:110XXXXX 10XXXXXX />3个字节: 1110XXXX 10XXXXXX 10XXXXXX
4个字节:11110xxx 10XXXXXX 10XXXXXX 10XXXXXX
本文根据上面的字符串遍历的特点来确定一个字符串是否是UTF-8编码。应当注意的是,每个字节的UTF-8字符串的值具有一定的范围,而不是所有的值?是有效的UTF-8字符,但在一般应用足够长的字符串判断的情况下,更准确,是实现比较简单。具体的字节范围,可以发现在这本书的“Unicode解释”6.4.3。
布尔IsUTF8(const void *的pbuffer的,长尺寸)
{
布尔IsUTF8 = TRUE
unsigned char型*开始=(无符号字符*)pbuffer的/无符号的char *结束=(unsigned char型)pbuffer的+大小
(起点和终点)
{
(*开始<0X80)/ /(10000000):值小于0x80的ASCII的字符
{
开始+ +
}
否则,如果(*启动<(0XC0))/ /(11000000):值吗? 0XC0之间的范围0x80无效的UTF-8字符
{
IsUTF8 = FALSE
突破
}
否则,如果(*开始(0XE0))/在2个字节的UTF-8字符/(11100000):
{
(开始>=结束 - 1)
突破
((开始[1](0XC0) )= 80H时)
{
IsUTF8 = FALSE
突破
}
开始+ = 2
}
否则,如果(*启动<(31:8))/ /(11110000):结束的3个字节的UTF-8字符
{
(“开始”>= - 2)
突破。 .. />((开始[1](为0xC0))= 0x80的| |(启动[2](为0xC0))= 80H时)
{
IsUTF8 = FALSE
休息
}
开始+ = 3
}
{
IsUTF8 = FALSE
突破
}
}
回报IsUTF8
}
UTF-UCS编码的16至16个单位。小于0x10000的UCS码,UTF-16编码是等于相应的UCS代码的16位无符号整数。对于不小于0x10000的UCS码,定义了一个算法。然而,实际使用的UCS2,或者UCS4的BMP必然小于0x10000,所以现在你可以认为UTF -16和UCS-2基本相同。 UCS-2是一种编码方案,UTF-16已被用于实际的传输,所以我们要考虑的字节顺序。
下面的Unix下函数可以会帮到你相关函数 putenv,setenv,unsetenv
表头文件 #include<stdlib.h>
定义函数 char * getenv(const char *name)
函数说明 getenv()用来取得参数name环境变量的内容。参数name为环境变量的名称,如果该变量存在则会返回指向该内容的指针。环境变量的格式为name=value。
返回值 执行成功则返回指向该内容的指针,找不到符合的环境变量名称则返回NULL。
范例 #include<stdlib.h>
mian()
{
char *p
if((p = getenv(“USER”)))
printf(“USER=%s\n”,p)
}
执行 USER = root
putenv(改变或增加环境变量)
相关函数 getenv,setenv,unsetenv
表头文件 #include4<stdlib.h>
定义函数 int putenv(const char * string)
函数说明 putenv()用来改变或增加环境变量的内容。参数string的格式为name=value,如果该环境变量原先存在,则变量内容会依参数string改变,否则此参数内容会成为新的环境变量。
返回值 执行成功则返回0,有错误发生则返回-1。
错误代码 ENOMEM 内存不足,无法配置新的环境变量空间。
范例 #include<stdlib.h>
main()
{
char *p
if((p = getenv(“USER”)))
printf(“USER =%s\n”,p)
putenv(“USER=test”)
printf(“USER+5s\n”,getenv(“USER”))
}
执行 USER=root
USER=root
setenv(改变或增加环境变量)
相关函数 getenv,putenv,unsetenv
表头文件 #include<stdlib.h>
定义函数 int setenv(const char *name,const char * value,int overwrite)
函数说明 setenv()用来改变或增加环境变量的内容。参数name为环境变量名称字符串。
参数 value则为变量内容,参数overwrite用来决定是否要改变已存在的环境变量。如果overwrite不为0,而该环境变量原已有内容,则原内容会被改为参数value所指的变量内容。如果overwrite为0,且该环境变量已有内容,则参数value会被忽略。
返回值 执行成功则返回0,有错误发生时返回-1。
错误代码 ENOMEM 内存不足,无法配置新的环境变量空间
范例 #include<stdlib.h>
main()
{
char * p
if((p=getenv(“USER”)))
printf(“USER =%s\n”,p)
setenv(“USER”,”test”,1)
printf(“USER=%s\n”,getenv(“USEr”))
unsetenv(“USER”)
printf(“USER=%s\n”,getenv(“USER”))
}
执行 USER = root
USER = test
USER = (null)
那你就去了解一下 UTF-8 的编码规则啊,简单来说读取某个字节, 判断它是多字节的还是单字节的,甚至是多字节的非首字节...
如果怕是一些标点符号,再把这些标点符号的判断值加进去。