中文编码问题

由于历史原因，中文在计算机内编码有很多种，GB2312, GBK, GB18030, UTF8......等等，

现在linux系统及一些数据库，基本都默认是UTF8编码，如果不符合，显示就是乱码，或者入库不成功。

最近调试某项目，需要扫描中文，写中文日志，保存中文文件，各种问题！！

C语言处理中文，会让人抓狂!! 

理论上其实可以从源头知道某段文字的编码格式，再调用iconv()函数转码，

但实际很多时候只能靠猜，于是就诞生了一堆库，用来猜测一段字符是什么编码格式，

我用过几个，貌似都有不准的。

于是乎， 决定自己动手，丰衣足食，猜测是否UTF8编码的代码贴上:

/*

根据UTF8规范, 检测所有字符是否都符合UTF8编码标准.

目前常见的中文字符是E4 - E9开头, 其他编码即便符合UTF8规范, 可能也是非中文字符或者图形图像符号, 也算非法.

return value:

1: 是UTF8

0: 不是UTF8

*/

int verify_if_utf8(const char *string, int str_len)

{

int i, j, step_len;

const unsigned char *short_ptr = (const unsigned char *)string;

for(i = 0; i < str_len; i += step_len){

if(0 == (short_ptr[i] & 0x80)){

step_len = 1; /* 最高位是0, 单字节, ascii码 */

}else{

switch(short_ptr[i] & 0xFF){

case 0xE4:

case 0xE5:

case 0xE6:

case 0xE7:

case 0xE8:

case 0xE9: /* 常见汉字编码区 */

if(((short_ptr[i+1] & 0xC0) == 0x80)  && ((short_ptr[i+2] & 0xC0) == 0x80)){  /* 最高两位是10 */

step_len = 3; 

}else{

return 0;

}

break;

default:

return 0;

}

}

}

return 1;

}