用C++判断字符串是否为中文

引用 44 楼 zwh37333 的回复:

不管是多字节,还是UNICODE,一个字节一个字节去看最高的bit,是否为1， 为1 就是汉字。
如果是UNICODE，那么你可以拿出第一个字节，如果高位是1，那么接着拿下一个字节，这两个字节是一个汉字，如果是0， 那么这个字节的内容就是你要的字符，高字节可以忽略。

------
关注中。。。
------
关注中，学习中。。。。。。
------
首先，汉字是双字节的编码格式！  
  汉字的第一字节：是从0xB0 开始编码  
  汉字的第二字节：是从0xA1 开始编码  
  有了以上的了解，就不难识别出是中文，还是其他的编码！  
  程序中只需要判断（ 第一字节>0xB0 && 第二字节>0xA1 ）就好！  
  以上在中文操作系统win 98/me/2000/xp 上调试成功  
   
  以上是个人意见仅供参考，如有错误请各位指正！  

------
修正：  
  程序中只需要判断（ 第一字节>0xB0 && 第二字节>0xA1 ）就好！  
   
  应该为：  
  程序中只需要判断（ 第一字节>=0xB0 && 第二字节>=0xA1 ）就好！  
   
  让各位见笑了！  

------
...................................
------
up
------
mark
------
判断字节数，然后根据实际编码情况(Unicode/GB2312/GBK等)，确定是否中文。
------
挺实际的问题，顶！
------
学习了，纯帮顶！
------
不会，给个java的，参考参考
把每两个字符组合一起用正则表达式来判断[^\u4e00-\u9fa5]
JAVA：

import java.util.regex.*;
public class Test
{
  public static void main(String[] args) 
  {
  String str = "Matrix-绿茵汗将";
  String regEx = "[\u4e00-\u9fa5]";
  Pattern p=Pattern.compile(regEx);
  Matcher m=p.matcher(str);
  boolean hasChinese=m.find();
  if (hasChinese)
  {
  System.out.println("字符串含有中文字符");
  }
  else
  {
  System.out.println("字符串中没有中文字符");
  }
  }
}


javascript:

f(/[^\x00-\xff]/g.test(frm.aaa.value)){
  alert("不能含有汉字，请重新输入");
  return false;
  }


正则表达式

[^\u4e00-\u9fa5] 匹配非汉字，如果返回true，则字符串不是全部由汉字组成；如果返回false，则字符串全部由汉字组成。

[^0-9] 匹配非数字，如果返回true，则字符串不是全部由数字组成；如果返回false，则字符串全部由数字组成。
 


------
mark
------
貌似很多高手。。。
------
这个就是编码的自动识别了，只有先识别了是什么编码的文本，才能针对性的去判断是否为中文。

基本思路是

1.判断当前文本的编码

2.判断出来后，读入字符串中并把它统一转换成unicode或者utf-8的字符串。

3.根据unicode或者utf-8的编码中中文字符的编码范围来判断每个字符是不是中文。


这里面最难的是第一条，这个最成功的典范是ie，firefox这些浏览器中编码识别的实现。基本思路是猜，因为BOM是可以改的，甚至可以没有。

因此靠bom等来识别编码是错误的思路。。只能是猜，基于某种算法来猜，只要算法合理则基本上不会出错，但不可能是100%，你看有时候ie看网页

不是也会乱码啊，那就是猜错了。。。

因为firefox是开源的，所以判断编码的源代码在网上有下的，你找找看。
------
汉字的编码多了去了，双字节就一定是中文？？？？
------