判断是哪一种编码格式

    xiaoxiao2021-03-25  145

    截取出来的字符串中文乱码

    #if 0

        NSString *retStr;

        

        // 1utf8编码的

        NSStringEncoding dec = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingMacJapanese);

        NSStringEncoding enc = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);

        

        const char * sc = [string cStringUsingEncoding:dec];

        DLog(@"sc = %s",sc);

        

        if (sc == NULL) {//正常编码

            DLog(@"null");

            

            NSData *data=[string dataUsingEncoding:dec];

            

            retStr = [[NSString alloc] initWithData:data encoding:enc];

            DLog(@"retStr = %@",retStr);

            

            retStr = [self handleCharacterSet:string withEncoding:enc];

        }else if (IsTextUTF8(sc, strlen(sc))) {

            DLog(@"utf-8");

            NSData *data=[string dataUsingEncoding:dec];

            

            retStr = [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding];

            

        }else if (isgbk(sc, strlen(sc))){

            DLog(@"gbk");

            retStr = [self gb_2312ToUTF_8WithString:string];

            

        }else{

            DLog(@"normal");

            retStr = [self gb_2312ToUTF_8WithString:string];

        }

        

        return retStr;

    #endif

    - (NSString *)gb_2312ToUTF_8WithString:(NSString *)string

    {

        NSStringEncoding dec = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingMacJapanese);

        

        NSStringEncoding enc = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);

        

        NSData *data=[string dataUsingEncoding:dec];

        

        NSString *retStr = [[NSString alloc] initWithData:data encoding:enc];

        DLog(@"retStr = %@",retStr);

        

        return retStr;

    }

    - (NSString *)handleCharacterSet:(NSString *)string withEncoding:(NSStringEncoding)enc

    {

        NSInteger max = [string length];

        char *nbytes = malloc(max + 1);

        for (int i = 0; i < max; i++)

        {

            unichar ch = [string  characterAtIndex: i];

            nbytes[i] = (char) ch;

        }

        nbytes[max] = '\0';

        NSString * retStr = [NSString stringWithCString:nbytes encoding:enc];

        free(nbytes);

        

        if (retStr == NULL)

        {

            retStr = string;

        }

        return retStr;

    }

    - (NSData *)dataByHealingGB18030Stream:(NSData *)sender {

        

        NSUInteger length = [sender length];

        

        if (length == 0) {

            

            return sender;

            

        }

        

        static NSString * replacementCharacter = @"?";

        

        NSStringEncoding enc =CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);

        

        NSData *replacementCharacterData = [replacementCharacter dataUsingEncoding:enc];

        

        

        

        NSMutableData *resultData = [NSMutableData dataWithCapacity:sender.length];

        

        

        

        const Byte *bytes = [sender bytes];

        

        

        

        static const NSUInteger bufferMaxSize = 1024;

        

        Byte buffer[bufferMaxSize];

        

        NSUInteger bufferIndex = 0;

        

        

        

        NSUInteger byteIndex = 0;

        

        BOOL invalidByte = NO;

        

        

        

        

        

    #define FlushBuffer() if (bufferIndex > 0) {[resultData appendBytes:buffer length:bufferIndex];bufferIndex = 0;}

        

    #define CheckBuffer() if ((bufferIndex+5) >= bufferMaxSize) {[resultData appendBytes:buffer length:bufferIndex];bufferIndex = 0;}

        

        while (byteIndex < length) {

            

            Byte byte = bytes[byteIndex];

            

            

            

            //检查第一位

            

            if (byte >= 0 && byte <= (Byte)0x7f) {

                

                //单字节文字

                

                CheckBuffer();

                

                buffer[bufferIndex++] = byte;

                

            } else if (byte >= (Byte)0x81 && byte <= (Byte)0xfe){

                

                //可能是双字节,可能是四字节

                

                if (byteIndex + 1 >= length) {

                    

                    //这是最后一个字节了,但是这个字节表明后面应该还有13个字节,那么这个字节一定是错误字节

                    

                    FlushBuffer();

                    

                    return resultData;

                    

                }

                

                

                

                Byte byte2 = bytes[++byteIndex];

                

                if (byte2 >= (Byte)0x40 && byte <= (Byte)0xfe && byte != (Byte)0x7f) {

                    

                    //是双字节,并且可能合法

                    

                    Byte tuple[] = {byte, byte2};

                    

                    CFStringRef cfstr = CFStringCreateWithBytes(kCFAllocatorDefault, tuple, 2,kCFStringEncodingGB_18030_2000, false);

                    

                    if (cfstr) {

                        

                        CFRelease(cfstr);

                        

                        CheckBuffer();

                        

                        buffer[bufferIndex++] = byte;

                        

                        buffer[bufferIndex++] = byte2;

                        

                    } else {

                        

                        //这个双字节字符不合法,但byte2可能是下一字符的第一字节

                        

                        byteIndex -= 1;

                        

                        invalidByte = YES;

                        

                    }

                    

                } else if (byte2 >= (Byte)0x30 && byte2 <= (Byte)0x39) {

                    

                    //可能是四字节

                    

                    if (byteIndex + 2 >= length) {

                        

                        FlushBuffer();

                        

                        return resultData;

                        

                    }

                    

                    

                    

                    Byte byte3 = bytes[++byteIndex];

                    

                    

                    

                    if (byte3 >= (Byte)0x81 && byte3 <= (Byte)0xfe) {

                        

                        // 第三位合法,判断第四位

                        

                        

                        

                        Byte byte4 = bytes[++byteIndex];

                        

                        

                        

                        if (byte4 >= (Byte)0x30 && byte4 <= (Byte)0x39) {

                            

                            //第四位可能合法

                            

                            Byte tuple[] = {byte, byte2, byte3, byte4};

                            

                            CFStringRef cfstr = CFStringCreateWithBytes(kCFAllocatorDefault, tuple,4, kCFStringEncodingGB_18030_2000, false);

                            

                            if (cfstr) {

                                

                                CFRelease(cfstr);

                                

                                CheckBuffer();

                                

                                buffer[bufferIndex++] = byte;

                                

                                buffer[bufferIndex++] = byte2;

                                

                                buffer[bufferIndex++] = byte3;

                                

                                buffer[bufferIndex++] = byte4;

                                

                            } else {

                                

                                //这个四字节字符不合法,但是byte2可能是下一个合法字符的第一字节,回退3

                                

                                //并且将byte1,byte2?替代

                                

                                byteIndex -= 3;

                                

                                invalidByte = YES;

                                

                            }

                            

                        } else {

                            

                            //第四字节不合法

                            

                            byteIndex -= 3;

                            

                            invalidByte = YES;

                            

                        }

                        

                    } else {

                        

                        // 第三字节不合法

                        

                        byteIndex -= 2;

                        

                        invalidByte = YES;

                        

                    }

                    

                } else {

                    

                    // 第二字节不是合法的第二位,但可能是下一个合法的第一位,所以回退一个byte

                    

                    invalidByte = YES;

                    

                    byteIndex -= 1;

                    

                }

                

                

                

                if (invalidByte) {

                    

                    invalidByte = NO;

                    

                    FlushBuffer();

                    

                    [resultData appendData:replacementCharacterData];

                    

                }

                

            }

            

            byteIndex++;

            

        }

        

        FlushBuffer();

        

        return resultData;

        

    }

    int isgbk(const char *s, size_t ns)

    {

        if(ns > 2 && (uint8_t)*s >= 0x81 && (uint8_t)*s <= 0xfe

           && (

               ((uint8_t)*(s+1) >= 0x80 && (uint8_t)*(s+1) <= 0x7e)

               || ((uint8_t)*(s+1) >= 0xa1 && (uint8_t)*(s+1) <= 0xfe)

               )

           )

        {

            return 1;

        }

        return 0;

    }

    int IsTextUTF8(const char* str,long length)

    {

        int i;

        int nBytes=0;//UFT8可用1-6个字节编码,ASCII用一个字节

        unsigned char chr;

        bool bAllAscii=true; //如果全部都是ASCII, 说明不是UTF-8

        for(i=0;i<length;i++)

        {

            chr= *(str+i);

            if( (chr&0x80) != 0 ) // 判断是否ASCII编码,如果不是,说明有可能是UTF-8,ASCII7位编码,但用一个字节存,最高位标记为0,o0xxxxxxx

                bAllAscii= false;

            if(nBytes==0) //如果不是ASCII,应该是多字节符,计算字节数

            {

                if(chr>=0x80)

                {

                    if(chr>=0xFC&&chr<=0xFD)

                        nBytes=6;

                    else if(chr>=0xF8)

                        nBytes=5;

                    else if(chr>=0xF0)

                        nBytes=4;

                    else if(chr>=0xE0)

                        nBytes=3;

                    else if(chr>=0xC0)

                        nBytes=2;

                    else

                    {

                        return false;

                    }

                    nBytes--;

                }

            }

            else //多字节符的非首字节,应为 10xxxxxx

            {

                if( (chr&0xC0) != 0x80 )

                {

                    return false;

                }

                nBytes--;

            }

        }

        

        if( nBytes > 0 ) //违返规则

        {

            return false;

        }

        

        if( bAllAscii ) //如果全部都是ASCII, 说明不是UTF-8

        {

            return false;

        }

        return true;

    }

    转载请注明原文地址: https://ju.6miu.com/read-2497.html

    最新回复(0)