字符分割

q2500

在unix下(具体是什么C编辑器我也不是很清楚）现有个字符串（内有数字，字母，中文，有标点) 分成长度大约相等的字符串输出不会出现乱码
用C怎么解决这个问题~~我是一个新手
比如字符串："a我是一个新手，大家帮帮我，xiexie，大家给个意见，是Unix系统下的。"
现分成每行大约12个字节（6个汉字宽过）输出

[ 本帖最后由 q2500 于 2007-8-18 15:34 编辑 ]

cst05001

给你个提示吧
linux下面使用utf8编码
一个全角字符占用3byte
全角字符这个3个byte中
每个byte的高1位都是1
西文字符是0

你看着办吧
送你段代码

cst05001

bool isEnglish(char ch)

       {

               return ( (ch & 0x80) ? false : true );

       }


如果不是西文字符
则连续输出三次
就达到输出一个全角字符的效果了

另外，标点符号还是数字还是英文这些，自己看cctype.h

cst05001

原帖由 cst05001 于 2007-8-18 13:42 发表
bool isEnglish(char ch)

       {

               return ( (ch & 0x80) ? false : true );

       }

C里面没有bool
你改成int, 0 ,1

emacsnw

原帖由 cst05001 于 2007-8-17 21:41 发表
给你个提示吧
linux下面使用utf8编码
一个全角字符占用3byte
全角字符这个3个byte中
每个byte的高1位都是1
西文字符是0

你看着办吧
送你段代码

utf8编码每个字符的字节数是可变的，可以是1,2,或者3。不过根据第一个字节就可以知道该字符占用几个字节。

funcman

对应GB2312编码的

1. #include <stdio.h>
   
2. #include <string.h>
   
3. 
   
4. int main() {
   
5.         const char str_with_hz[] = "a我是一个新手，大家帮帮我，xiexie，大家给个意见，是Unix系统下的。";
   
6.         char strs[13][6];
   
7.         int index = 0;
   
8.         printf("%s\nsize: %d\n“我”字的GB2312编码： %d %d\n", str_with_hz, sizeof(str_with_hz), str_with_hz[1], str_with_hz[2]);
   
9.         memset(strs, 0, 13*6);
   
10.         for(int i=0; i<6; ++i) {
    
11.                 int ascii_count = 0;
    
12.                 for(int j=0; j<12; ++j) {
    
13.                         if( str_with_hz[index+j] >= 0 ) {
    
14.                                 ++ascii_count;
    
15.                         }
    
16.                 }
    
17.                 if( ascii_count%2 == 0 ) {
    
18.                         memcpy(strs[i], &str_with_hz[index], 12);
    
19.                         index += 12;
    
20.                 }else {
    
21.                         memcpy(strs[i], &str_with_hz[index], 11);
    
22.                         index += 11;
    
23.                 }
    
24.                 printf("%d, %s\n", index, strs[i]);
    
25.         }
    
26.         return 0;
    
27. }

复制代码

瞎写的，不对之处请指教！

[ 本帖最后由 funcman 于 2007-8-18 14:24 编辑 ]

funcman

看来不行啊，在UNIX下都是UTF-8

cst05001

原帖由 emacsnw 于 2007-8-18 14:16 发表


utf8编码每个字符的字节数是可变的，可以是1,2,或者3。不过根据第一个字节就可以知道该字符占用几个字节。

那么怎么判断是2byte还是3byte呢？

emacsnw

原帖由 cst05001 于 2007-8-17 22:56 发表

那么怎么判断是2byte还是3byte呢？

刚看了一下，utf8编码最多是4个byte：

Binary         Hexadecimal         Decimal         Width
00000000-01111111         0-7F         0-127         1 byte
11000010-11011111         C2-DF         194-223         2 bytes
11100000-11101111         E0-EF         224-239         3 bytes
11110000-11110100         F0-F4         240-244         4 bytes

q2500

谢谢各位大哥大姐~~明天到机子上去试试~~看能不能实现