windows - 检测 C/C++ 中字符串的编码

Question

给定一个指向字节数组(字符)的指针形式的字符串，我如何检测 C/C++ 中字符串的编码(我使用的是 visual studio 2008)？我进行了搜索，但大多数样本都是用 C# 完成的。

谢谢

Answer 1

假设你知道输入数组的长度，你可以做出如下猜测:

1. 首先，检查前几个字节是否匹配已知的 byte order marks (BOM) for Unicode .如果他们这样做，你就完成了!
2. 接下来，在最后一个字节之前搜索“\0”。如果您找到一个，则您可能正在处理 UTF-16 或 UTF-32。如果您发现多个连续的 '\0'，则可能是 UTF-32。
3. 如果任何字符从0x80 到0xff，它肯定不是ASCII 或UTF-7。如果您将输入限制为 Unicode 的某些变体，您可以假设它是 UTF-8。否则，您必须进行一些猜测才能确定哪个multi-byte character set。这是。那不会很有趣。
4. 此时是:ASCII、UTF-7、Base64 或 UTF-16 或 UTF-32 范围恰好不使用最高位且没有任何空字符。