[已解决]指针与数组一节中，关于获取中英文混写字符串的长度

stepon

在我上传的图片中，是小甲鱼在他的系统中运行得到的规律。发现，每个中文字符在他的系统中是占用 4 个字节的存储空间，并且都是负数。那么，为什么以此规律，我们只要检测一个字符对应的整型值是否为负数，如果是（中文字符），则将指针往后移动两个字节呢？这里前面的4个字节与后文的往后移动两个字节是怎么一一对应得到的规律？

最佳答案

月排行榜 / 总排行榜

jackz007

2024-10-27 16:58:04

        应该指出，图片中的 str[3] = 0 并不是 "中" 字占用的第 4 个字节，楼主应该明白，C 语言的每一个字符串在末尾都有一个字符串结束标志 '\0'，这个 str[3] 正是这个结束标志，也就是说，一个 3 个字符的字符串实际占用 4 个字节，每个字符串所占用的字节数量都是 n + 1。

        先明确 2 点：
        1、西文字符每个字符占用 1 个字节，其 ASCII 编码范围为 0 ~ 127，属于正值；   
        2、汉字占用的字节数取决于操作系统，在 Windows 系统中，汉字采用 GBK 编码，每个汉字占用 2 个字节，每个字节的都是负值；在 Linux 系统中，汉字采用 UTF-8 编码，每个汉字占用 3 个字节，每个字节都是负值；
        由此可见，同一个程序在不同的操作系统上运行是必须要修改代码的。
【Windows】：

#include<stdio.h>

int main(void)
{
        char str[] = "fishC * 中国 * China" , * p ;
        int length                                ;
        for(length = 0 , p = str ; * p ; length ++) {
                if(* p > 0) p ++                  ;
                else p += 2                       ; // Windows
        }
        printf("%s\n" , str)                      ;
        printf("%d\n" , length)                   ;
}

【Linux】

#include<stdio.h>

int main(void)
{
        char str[] = "fishC * 中国 * China" , * p ;
        int length                                ;
        for(length = 0 , p = str ; * p ; length ++) {
                if(* p > 0) p ++                  ;
                else p += 3                       ; // Linux
        }
        printf("%s\n" , str)                      ;
        printf("%d\n" , length)                   ;
}

        编译、运行实况：

D:\[exercise]\C>g++ -o x x.c

D:\[exercise]\C>x
fishC * 中国 * China
18

D:\[exercise]\C>

跳转到最佳答案楼层

FishC

在处理中英文混合字符串时，字符是否为负数取决于字符编码。在某些系统和编码中，中文字符会占用多个字节（比如UTF-8或UTF-16），并且有时，高位字节会出现负数。

如果检测到一个字符是负数（表示它是中文字符的一部分），通常你的逻辑是把指针移动多个字节来跳过这个字符。至于为什么移动两个字节，这具体依赖于编码方式：

1. **UTF-16**：中文字符通常占用2个字（4字节），所以可能要移动2字节跳过高位。

2. **UTF-8**：中文字符占用3个字节，但如果你的规则经过测试是2字节跳过某些场合，可能是简化的假设。

这个规律的适用条件是根据编码方式和实现细节的测试得出的。因此，在不同环境或编码下，可能会有不同的移动策略。确保在使用时确认具体编码和验证策略的有效性。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

jackz007

        应该指出，图片中的 str[3] = 0 并不是 "中" 字占用的第 4 个字节，楼主应该明白，C 语言的每一个字符串在末尾都有一个字符串结束标志 '\0'，这个 str[3] 正是这个结束标志，也就是说，一个 3 个字符的字符串实际占用 4 个字节，每个字符串所占用的字节数量都是 n + 1。

        先明确 2 点：
        1、西文字符每个字符占用 1 个字节，其 ASCII 编码范围为 0 ~ 127，属于正值；   
        2、汉字占用的字节数取决于操作系统，在 Windows 系统中，汉字采用 GBK 编码，每个汉字占用 2 个字节，每个字节的都是负值；在 Linux 系统中，汉字采用 UTF-8 编码，每个汉字占用 3 个字节，每个字节都是负值；
        由此可见，同一个程序在不同的操作系统上运行是必须要修改代码的。
【Windows】：

#include<stdio.h>

int main(void)
{
        char str[] = "fishC * 中国 * China" , * p ;
        int length                                ;
        for(length = 0 , p = str ; * p ; length ++) {
                if(* p > 0) p ++                  ;
                else p += 2                       ; // Windows
        }
        printf("%s\n" , str)                      ;
        printf("%d\n" , length)                   ;
}

【Linux】

#include<stdio.h>

int main(void)
{
        char str[] = "fishC * 中国 * China" , * p ;
        int length                                ;
        for(length = 0 , p = str ; * p ; length ++) {
                if(* p > 0) p ++                  ;
                else p += 3                       ; // Linux
        }
        printf("%s\n" , str)                      ;
        printf("%d\n" , length)                   ;
}

        编译、运行实况：

D:\[exercise]\C>g++ -o x x.c

D:\[exercise]\C>x
fishC * 中国 * China
18

D:\[exercise]\C>