首页 > 代码库 > 判断字符串是否UTF8编码
判断字符串是否UTF8编码
UTF-8的编码规则很简单，只有二条：1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
举个例子，已知“严”的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内 （0000 0800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是 “11100100 10111000 10100101”，转换成十六进制就是E4B8A5。
bool IsUTF8(char * str, int len){ int bytes = 0; bool allAscii = true; for(int i = 0 ;i < len;i++) { unsigned char c = str[i]; if(c & 0x80) allAscii = false; if(bytes==0) { if(c & 0x80) { while(c&0x80) { c <<= 1; bytes += 1; } if(bytes<2 && bytes>6) return false; bytes--; } } else { if((c & 0xc0) != 0x80) return false; bytes--; } } if(allAscii) return false; return bytes == 0; }
判断字符串是否UTF8编码
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。