求在C中将一个字符串中的汉字提取出来的算法

king

例如：从 "ABC我cdf是" 中提取后得到 "我是"

jason

按字节取字符，然后判断是否为中文
还要根据不同的中文编码进行处理，gb2312，unicode，utf-8等

king

谢谢，能不能写详细些........

jason

如果是从文件中读取字符串的话需要考虑汉字编码(gb2312，unicode，utf-8等)的处理。
如果是在C语言直接定义字符串，那么中文编码应该是GB2312或者GBK（当然也支持unicode，宽字符集包含在wchar.h头文件中）。
GBK编码汉字使用双字节保存。标准ASCII码只用到了一个字节中的7位，就可以根据此来判断是否字符数组中某个元素是否为ascii码。
关于GB2312编码的具体标准你还是你去查资料吧……我要给你把这些也全说了就可以写本书了

补充，我说的不一定对。要鄙视的人们尽管来吧，哦也～

king

谢谢哦，我找找资料

wqstar028

拿GB2312来说吧:从第一个字符开始判断,如果ASCII码大于0X80,那这就是一个全角字符的一半.

leesoft

汉字的定义是什么呢？
得先搞清除这个

king

找到相关资料了

http://baike.baidu.com/view/1250144.html

另外，WQX采用的是哪种编码标准呢？

leesoft

gb2312

king

谢谢

twl859588

void check(char *si,char *so)

{

        int H;

        FILE *fi,*fo;

        fi=fopen(si,"r");

        fo=fopen(so,"w");

        while(!feof(fi))

        {

                fread(&H,2,1,fi);

                if((H&0x00ff)>=0x00b0&&(H&0x00ff)<=0x00f7&&(H&0xff00)>=0xa100)

                        {

                        fwrite(&H,2,1,fo);

                        }

                else if((H&0x00ff)<0x00a1) {fseek(fi,-1,1);}

                else continue;

        }

        fclose(fo);

        fclose(fi);

}

功能是从si指向的文件中筛选出所有gb2312编码的汉子输出到so指向的文件中去

jason

楼上的这样属于好心办坏事……
你写出来的他就不会再自己写了，这样你反倒害了他

leesoft

全角符号不是汉字

wqstar028

但汉字是全角符号!可以在搜索编码时将搜索范围缩小到汉字的范围,
查一下汉字区位码表,区位码表的四位编码分成两段,每段各加160,得到两个数,这两个数就是汉字的两个GB2312里的ASCII码.
假设: 某个汉字的区位码为4735,那么这个字的两个ASCII码分别是:47+160=207,35+160=195

[ 本帖最后由 wqstar028 于 2008-5-9 09:45 编辑 ]

leesoft

汉字不是全角符号！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！1

king

谢谢 twl859588写的代码
谢谢 jason的关心

查了一下

汉字字符和规定了全角的英文字符及国标GB2312-80中的图形符号和特殊字符都是全角字符。一般的系统命令是不用全角字符的，只是在作文字处理时才会使用全角字符。

[ 本帖最后由 king 于 2008-5-9 13:14 编辑 ]

king

                else if((H&0x00ff)<0x00a1) {fseek(fi,-1,1);}

这一句不解啊。

Lendy

全角字符的2个byte都大于0xA0。
上面这句要改成H&0xff00<0xa100才对。

twl859588

原帖由 Lendy 于 2008-5-9 15:48 发表
全角字符的2个byte都大于0xA0。
上面这句要改成H&0xff00

呵呵，似乎记错了，第一字节是汉字高位..

曾半仙

1. // [$81..$FE]*[$40..$7E, $80..$FE] (40..FE-7F)
   
2. function IsGBK(B1:Byte; B2:Byte): Boolean;
   
3. // AL = B1
   
4. // DL = B2
   
5. {$IFDEF PAS_VERSION}
   
6. begin
   
7.   Result := (B1 in [$81..$FE]) and  (B2 in [$40..$7E, $80..$FE]);
   
8. end;
   
9. {$ELSE}
   
10. asm
    
11.     add al, $7F // 0 - 81
    
12.     sub al, $7E // FE - 81 + 1
    
13.     jnb @false
    
14.     cmp dl, $7F
    
15.     je  @false
    
16.     add dl, $C0 // 0 - 40
    
17.     sub dl, $BF // FE - 40 + 1
    
18.     jb  @true
    
19. @false:
    
20.     xor eax, eax
    
21.     ret
    
22. @true:
    
23.     mov al, 1
    
24. end;
    
25. {$ENDIF}

复制代码

[ 本帖最后由 曾半仙 于 2008-5-25 19:52 编辑 ]