最近遇到一個在C語言當中處理中文的問題，因為漢字和ascii不同，漢字是多位元組編碼方式，ascii只用一個位元組表示，所以在用c語言提供的strlen函式得到的長度是位元組長度;  以下都是utf-8編碼方式，為了得到一個字元(漢字和ascii)有幾種處理方式：

        1.  自己寫程式判斷是否為漢字，通過第一個位元組判斷，以下是我寫的一部分程式碼;

             int isHanzi(int a) { int t = a & 0xE0; if(t==0xE0){ printf("漢字1/n"); return 3; } t = a & 0xC0; if(t==0xC0){ return 2; } t = a & 0xF0; if(t==0xF0){ return 4; } t = a & 0xF8; if(t==0xF8){ return 5; } t = a & 0xFC; if(t==0xFC){ return 2; } printf("不是/n"); return 1; }

          2.   用內建的wchar_t型別 ，

                     1）.  wchar_t ws[]=L"北京bus";

                                這樣用wcslen(ws)結果就為 5,

                              int i; setlocale(LC_ALL, "zh_CN.UTF-8"); int len=wcslen(ws); for(i=0; i<len; i++){ printf("%lc/n",ws[i]); }

                          這是必須設定 本地編碼方式  setlocale(LC_ALL,"zh_CN.UTF-8");

                     2).讀一個檔案後得到的資料，要使資料為wchar_t ，就需要進行字串轉換了.用到函式  mbstowcs，以下是我寫的一個讀文字文  件然後轉換的程式

                            //讀一個文字檔案 FILE *fp = fopen("/home/wyt/data.txt","r"); char buffer[1024]; size_t realLen=0,curLen,length=2048; char *data=(char *)malloc(sizeof(char)*length); char *tmp; while(!feof(fp)){ curLen = fread(buffer,sizeof(char),1024,fp); realLen+=curLen; if(length<=realLen){ tmp = (char *)malloc(sizeof(char)*(length+2048)); memcpy(tmp,data,sizeof(char)*length); length+=2048; free(data); data=tmp; } strcat(data,buffer); } data[realLen]='/0'; printf("%s",data); fclose(fp); wchar_t *data2 = (wchar_t *)malloc(sizeof(wchar_t)*length); //轉換成wchar_t型別 mbstowcs(data2,data,length); size_t ln=wcslen(data2); for(i=0;i<ln;i++){ printf("%lc/n",data2[i]); }

                 如果 wchar_t 轉換為char 型別，可以用函式 wcstombs

                             void out(wchar_t name) { if(name<128){ char n[2]; wcstombs(n,&name,sizeof(wchar_t)); n[1]='/0'; printf("%lc,%s,%d/n",name,n,strlen(n)); }else{ char n[3]; wcstombs(n,&name,sizeof(wchar_t)); n[3]='/0'; printf("%lc,%s,%d/n",name,n,strlen(n)); } //n[3]='/0'; }