C ++は、中国の文字列を濾過した（GBK、UTF-8）

ワープロ敏感なゲームのような最近のもので、マスキング処理を強化するために、そのようなので、上の数字、記号、文字やなど他のものに加えて、文字の文字列をフィルタリングする必要があります。

まず、情報へのアクセスと、私は機能を書きました：

例：入力文字列内の文字数を返します。

std ::文字列 StrWithOutSymbol（CONSTのstd :: 文字列＆ソース）
{     
    ストリングsourceWithOutSymbol。

    int型私= 0 ;
    一方、（ソース[I] =！0 ）
    { 
        場合（ソース[I]＆0x80の）
        { 
            sourceWithOutSymbol + = ソース〔I〕。
            sourceWithOutSymbol + =源[I + 1 ]。
            I + = 2 ;
        他に
        { 
            私は ++します;
        } 
    } 
    リターン

 　　sourceWithOutSymbol ; 
}

この機能の原理は漢字を判断するORD（$ strの）＆0x80であります

80バイナリコード1000 0000に対応し、最上位ビットは、10文字のフォーマットとして知られている代表的な漢字の符号化形式は2つのバイトを占有する、ものであるが、文字を表します

「Windowsの、簡体字中国語文字セットエンコーディングが同時に高い時間は0x00で〜0x7Fまで、1バイトである場合には表現する1つのバイトと2バイトで、0x80のは2バイトで表現する場合よりも高く、 "

あなたが0x7fのより大きいのバイトコンテンツを見つけた場合、それは（パッチワークに別のバイトで）でなければならない文字、それを判断する方法を0x7Fをより確かに大きい？
から0x7f（1111111）は0x80（10000000）である番号の後ろに、私はしたいです0x7Fまで、このバイトの最上位ビットは間違いなく1よりも大きい、我々は唯一の最上位ビットがリストに1であるかどうかを判断する必要があります。

：方法分析
ビットと（同じのみ1ビットが1であり、そうでなければ0）
として：第3の数は、（100）とともに4長いビットであるかどうかを決定するために、最初の決意の数図2は、1だけ2（10）ビットである。
同様かわずか1（10000000）と8位に決定すると0x80のビットです。

なぜここ>から0x7f？PHP線はまた、強く型付けされた言語内の他に、負示すために使用されるバイトの最上位ビットは、負のは確かから0x7F（最大整数）以上ではないかもしれません

別の例：
コードはassic 97（1100001）である
コードassic 65（1000001）であります

B assicコードは98である（1100010）
assicコードB 66（1000010）であります

：文字AZ、限り、六位は間違いなく1で小文字として、私たちはケースを決定するためにこれを使用することができます：パターンが見つかり
配置する限りは0x20（100000）との手紙と同様のため、この時間をして判決を：
IF（ ORD（$）＆0x20の）{
//大文字
}

どのように0 :?に1行目に六位にすべて大文字を入れて
$ A = 'A';
$ A = CHR（ORD（$ A）＆（〜0x20の））;
$ Aエコー。

私はそれが、この機能は、プロジェクトに追加されます確信して、ファイル名を指定して実行、タイプ中国のチェックをクリック！プロジェクトが与えられていますか？？？？配列の境界？？？？

これは私が文字列C ++に文字列を渡すとき、私はUTF-8エンコードに渡される使用エラーが発見されたココス-LUAを見つけ、なぜ、ですが、私はUIF-8を見に行きました符号化規則が見つかりました。

UTF-8エンコーディング規則：1バイトのみが最上位ビットが0である場合、それはその最高レベルからマルチバイト、最初のバイトである場合、連続する2進数の1ビット値の数がコードする決定10バイトの残りのバイト数が開始されます。UTF-8変換テーブルは次のよう：

そして私は、エンコードGBKに従って操作される前に、GBK各漢字についての2バイトのみ、そして可能であれば中国UTF-8 3バイト、4バイトなので、5あるいは6、機能とクロスボーダーな状況が発生するがあるだろうと同じように、その文字列は、追加治療の必要性について、UTF-8でエンコードされたので、私は新しい機能を書いています：

中国のスクリーニング機能でUTF-8でエンコードされた文字列：

std :: 文字列 censorStrWithOutSymbol（CONSTのstd :: 文字列＆ソース）
{     
    ストリングsourceWithOutSymbol。

    int型私= 0 ;
    一方、（ソース[I] =！0 ）
    { 
        場合（ソース[I]＆0x80の &&源[I]＆0x40の &&源[I]＆0x20の）
        { 
            int型：バイト= 0 。
            もし（ソース[I]＆0x10の）
            { 
                ：バイト = 4。
            } 
            他
            { 
                ：バイト = 3 。
            } 
            のための（INT A = 0 ; <：バイト; ++ ）
            { 
                sourceWithOutSymbol + = ソース〔I〕。
                I ++ ; 
            } 
        } 
        そう であれば（ソース[I]＆0x80の &&源[I]＆0x40の）
        { 
            I + = 2 ; 
        } 
        他
        { 
            I+ = 1 ; 
        } 
    } 
    戻りsourceWithOutSymbolと、
}

ファイル名を指定して実行、成功をクリックしてください！快適。

C ++は、中国の文字列を濾過した（GBK、UTF-8）

この機能の原理は漢字を判断するORD（$ strの）＆0x80であります

おすすめ