如何判斷一個字符串是不是UTF8編碼

UTF8是以8bits即1Bytes爲編碼的最基本單位，固然也能夠有基於16bits和32bits的形式，分別稱爲UTF16和UTF32，但目前用得很少，而UTF8則被普遍應用在文件儲存和網絡傳輸中。
　　編碼原理
　　先看這個模板：
　　UCS-4 range (hex.) UTF-8 octet sequence (binary)
　　0000 0000-0000 007F 0xxxxxxx
　　0000 0080-0000 07FF 110xxxxx 10xxxxxx
　　0000 0800-0000 FFFF 1110xxxx 10xxxxxx 10xxxxxx
　　0001 0000-001F FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
　　0020 0000-03FF FFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
　　0400 0000-7FFF FFFF 1111110x 10xxxxxx ... 10xxxxxx
　　編碼步驟：
　　1) 首先肯定須要多少個8bits(octets)
　　2) 按照上述模板填充每一個octets的高位bits
　　3) 把字符的bits填充至x中，字符順序：低位→高位，UTF8順序：最後一個octet的最末位x→第一個octet最高位x

　　根據UTF8編碼,最多可由6個字節組成,因此UTF8是1-6字節編碼組成

 

 1     BOOL IsTextUTF8(char* str,ULONGLONG length)  
 2     {  
 3         DWORD nBytes=0;//UFT8可用1-6個字節編碼,ASCII用一個字節  
 4         UCHAR chr;  
 5         BOOL bAllAscii=TRUE; //若是所有都是ASCII, 說明不是UTF-8  
 6         for(int i=0; i<length; ++i)  
 7         {  
 8             chr= *(str+i);  
 9             if( (chr&0x80) != 0 ) // 判斷是否ASCII編碼,若是不是,說明有多是UTF-8,ASCII用7位編碼,但用一個字節存,最高位標記爲0,o0xxxxxxx  
10                 bAllAscii= FALSE;  
11             if(nBytes==0) //若是不是ASCII碼,應該是多字節符,計算字節數  
12             {  
13                 if(chr>=0x80)  
14                 {  
15                     if(chr>=0xFC&&chr<=0xFD)  
16                         nBytes=6;  
17                     else if(chr>=0xF8)  
18                         nBytes=5;  
19                     else if(chr>=0xF0)  
20                         nBytes=4;  
21                     else if(chr>=0xE0)  
22                         nBytes=3;  
23                     else if(chr>=0xC0)  
24                         nBytes=2;  
25                     else  
26                         return FALSE;  
27       
28                     nBytes--;  
29                 }  
30             }  
31             else //多字節符的非首字節,應爲 10xxxxxx  
32             {  
33                 if( (chr&0xC0) != 0x80 )  
34                     return FALSE;  
35       
36                 nBytes--;  
37             }  
38         }  
39         if( nBytes > 0 ) //違返規則  
40             return FALSE;  
41         if( bAllAscii ) //若是所有都是ASCII, 說明不是UTF-8  
42             return FALSE;  
43       
44         return TRUE;  
45     }   

 

 

注：這裏的bAllAscii，要看不一樣場景是否須要。我項目代碼裏，是不須要這傢伙的。