UTF8和GB编码的识别

UTF8编码的原理
一个字 节：0*******                            内容是 7位 的时候就用一个字节，第一个0为标志位
二个字 节：110***** 10******                   内容在 8 到 11 位，第一个字节的110和第二个字节的10为标志位
三个字节：1110**** 10****** 10******          内容在 12 到 16 位
四个字节：11110*** 10****** 10****** 10******
五个字节：111110** 10****** 10****** 10****** 10******
六个字节：1111110* 10****** 10****** 10****** 10****** 10******

 

int utf8( char *buf)　　　　//传进的是数组的指针：
{ 
 char a= *buf,b;
 int i,j;
 for(i=7;i>1;i--) {　　　　　　//针对UTF8编码的特性，通过第一个字节判断在哪个序列中:
  b=a&(1<<i);
  if (b==0)
   break;
  if (i==1)
   return -1;
 }

 i=7-i;
 for(j=1;j<i;j++) {　　　　　　　　//判断后几个字节是不是符合，
  a=buf[j];
  b=a&(1<<7);
  if(b==0)
   return -1;
  a=buf[j];
  b=(a>>6)&1;
  if(b!=0)
   return -1;
 }
 return i;　　　　　　　　　　//返回
}

有时候要注意大小端情况，这个应该不难：

 

 

int is_GB(char buf,char buf2)
{
 buf = buf+127;
 if(buf>=32) {
  buf2 = buf2+127;
  if(buf2>= 32)
   return 0;
 }
 return -1;
}