语法

go语言判断文件是否为UTF8编码

一、思路：

1. UTF8编码规则：

• 对于单字节字符，8个比特位最高位为0
• 对于多字节字符，若字符由n个字节组成，则第一个字节8个比特中最高n位都是1，剩下n-1字节中最高位都是10

2. 读取文件得到字节流
3. 判断是单字节字符还是多字节字符
4. 定义计数器nBytes，遍历每个字节，将字节与0x80进行与运算判断，结果为0，单字节字符，没毛病。结果不为0，用nBytes记录最高位出现的1的个数，然后判读剩下n-1个字符最高位是否10，将n-1字节分别与0xc做与运算，若有一个不满足直接返回false，否则每次nBytes--，最后根据nBytes是否为0判断是否为U8编码。

二、代码实现

package main
 
import (
	"io/ioutil"
	"fmt"
)
 
func validUTF8(buf []byte) bool{
	nBytes := 0
	for i:= 0;i<len(buf);i++{
		if nBytes == 0{
			if (buf[i] & 0x80) != 0 {  //与操作之后不为0，说明首位为1
				for (buf[i] & 0x80) != 0 {
					buf[i] <<= 1 //左移一位
					nBytes++ //记录字符共占几个字节
				}
 
				if nBytes < 2 || nBytes > 6 { //因为UTF8编码单字符最多不超过6个字节
					return false
				}
 
				nBytes-- //减掉首字节的一个计数
			}
		}else{ //处理多字节字符
			if buf[i] & 0xc0 != 0x80{ //判断多字节后面的字节是否是10开头
				return false
			}
			nBytes--
		}
	}
	return nBytes == 0
}
func main(){
	b,err := ioutil.ReadFile(`test.txt`)
	if err != nil{
		fmt.Println(err)
	}
	fmt.Println(validUTF8(b))
}

三、测试

返回 true 返回 false

本文由 创作，采用 知识共享署名4.0 国际许可协议进行许可。本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名。最后编辑时间为: 2020/08/09 03:57