ASCII與中文
Ascii Code 1-31為控制碼
| 字元 | Ascii code |
| \0 | 0 |
| 0-9 | 48-57 |
| A-Z | 65-90 |
| a-z | 97-122 |
| 空格 | 32 |
印出中文Ascii code
字元char的範圍為0-255，不包含負數，只有正整數。
中文的Ascii Code 128-255，數字、大小寫英文字母、空格、標點符號、空字元(\0)介於Ascii Code 0-127。
字元char是0-255，沒有負數，在把中文字元轉換成整數之前，必須先轉成unsigned char，再轉成int，才會正確顯示中文的ascii碼。
1
(int)(unsigned char)str[i]
1
2
3
4
5
6
7
8
9
10
11
12
13
int main() {
char str[100];
//清空字串位址的值
memset(str, 0, sizeof(str));
strcpy(str, "西西");
cout << "長度:" << strlen(str) << endl;
for(int i = 0, len = strlen(str); i < len; i++) {
cout << "str[" << i << "] = " << (int)(unsigned char)str[i] << endl;
}
//印出字串
cout << str << endl;
return 0;
}
長度:6
str[0]=232
str[1]=165
str[2]=191
str[3]=232
str[4]=165
str[5]=191
西西
使用中文Ascii Code指定陣列值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
int main() {
char str[100];
//清空字串位址的值
memset(str, 0, sizeof(str));
str[0] = 232;
str[1] = 165;
str[2] = 191;
str[3] = 232;
str[4] = 165;
str[5] = 191;
//印出字串
cout << str << endl;
return 0;
}
西西
統計中文個數
寫一個程式，計算中文個數，一個中文字算1個，一個英文字算1個。
不同的編碼方式中文個數不同。
- utf-8 中文3個byte，英文1個byte。
- unicode 中文2個byte，英文2個byte。
數字、大小寫英文字母、空格、標點符號、空字元(\0)介於Ascii Code 0-127。
中文的Ascii Code 128-255。
從之前的程式碼範例，「西西」二個中文字，但卻產生6個char，C++ 1個char是1byte，「西西」二個字占6byte，一個中文字占3byte，代表目前我的編譯器是使用utf-8。
以下程式碼max_chinese_cnt = 3，代表一個中文字使用3個byte。
chinese_cnt計算byte數量，chinese_cnt = 1，由1開始，加到第3個byte代表一個中文字讀取完畢，可以count++。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
int countChar(const char* str) {
if(str == 0) return -1;
int count = 0; // 統計字數，一個中文字算1個，一個英文字算1個
int chinese_cnt = 1; // 由1開始
int max_chinese_cnt = 3; // 一個中文字使用3個byte
for(int i = 0, len = strlen(str); i < len; i++) {
// cout << "str[" << i << "] = " << (int)(unsigned char)str[i] << endl;
unsigned int ch = (int)(unsigned char)str[i];
if(ch < 128) { // 英文字母走這邊
count++;
} else { // 中文走這邊
// 加到第3個byte代表一個中文字讀取完畢，可以count++
if (chinese_cnt == max_chinese_cnt) {
count++;
chinese_cnt = 1;
} else {
// 尚未讀取完一個中文字
chinese_cnt++;
}
}
}
return count;
}
int main() {
cout << countChar("西西abc") << endl;
return 0;
}
5
以下是另外一種寫法。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
int countChar(const char* str) {
if(str == 0) return -1;
int count = 0;
int chinese_cnt = 1;
int max_chinese_cnt = 3;
while(*str) {
//0
if((unsigned char) *str < 128) {
count++;
} else {
if (chinese_cnt == max_chinese_cnt) {
count++;
chinese_cnt = 1;
} else {
chinese_cnt++;
}
}
str++;
}
return count;
}
int main() {
cout << countChar("西西abc") << endl;
return 0;
}
5
2byte中文
以下程式碼適合編碼為2byte的中文，用一個flag判斷是否讀完2byte，若
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
int countChar(const char* str) {
if(str == 0) return -1;
int count = 0;
// flag預設值
bool flag = false;
while(*str) {
//0
if((unsigned char) *str < 128) {
count++;
} else {
if(flag) {
// 讀到中文第2個byte，把flag變false，代表讀完一個中文
// 中文個數+1
count++;
flag = false;
} else {
// 讀到中文第1個byte，把flag變true
flag = true;
}
}
str++;
}
return count;
}
int main() {
cout << countChar("西西abc") << endl;
return 0;
}
5
Unicode與utf-8
Ascii Code只能支持英語美語，大小只有128，只有正整數沒有負數。
因為要支援其它國家的語言，才會有Unicode，Unicode包含Ascii，中文字佔2byte、英文字佔2byte，但英文字占太多記憶體大小。
utf-8，比Unicode更省記憶體大小，英文佔1byte，中文佔3byte。