字符串是否是UTF8，UTF8汉字是否被截断？

UTF8 是以8bits即1Bytes为编码的最基本单位，当然也可以有基于16bits和32bits的形式，分别称为UTF16和UTF32，但目前用得不多，而UTF8则被广泛应用在文件储存和网络传输中。
　　编码原理
　　先看这个模板：
　　UCS-4 range (hex.) UTF-8 octet sequence (binary)
　　0000 0000-0000 007F 0xxxxxxx
　　0000 0080-0000 07FF 110xxxxx 10xxxxxx
　　0000 0800-0000 FFFF 1110xxxx 10xxxxxx 10xxxxxx
　　0001 0000-001F FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
　　0020 0000-03FF FFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
　　0400 0000-7FFF FFFF 1111110x 10xxxxxx ... 10xxxxxx
　　编码步骤：
　　1) 首先确定需要多少个8bits(octets)
　　2) 按照上述模板填充每个octets的高位bits
　　3) 把字符的bits填充至x中，字符顺序：低位→高位，UTF8顺序：最后一个octet的最末位x→第一个octet最高位x
　　根据UTF8编码,最多可由6个字节组成,所以UTF8是1-6字节编码组成
　　C++代码如下:
　　int IsTextUTF8(char* str,ULONGLONG length)
　　{
　　int i;
　　DWORD nBytes=0;//UFT8可用1-6个字节编码,ASCII用一个字节
　　UCHAR chr;
　　BOOL bAllAscii=TRUE; //如果全部都是ASCII, 说明不是UTF-8
　　for(i=0;i<length;i++)
　　{
　　chr= *(str+i);
　　if( (chr&0x80) != 0 ) // 判断是否ASCII编码,如果不是,说明有可能是UTF-8,ASCII用7位编码,但用一个字节存,最高位标记为0,o0xxxxxxx
　　bAllAscii= FALSE;
　　if(nBytes==0) //如果不是ASCII码,应该是多字节符,计算字节数
　　{
　　if(chr>=0x80)
　　{
　　if(chr>=0xFC&&chr<=0xFD)
　　nBytes=6;
　　else if(chr>=0xF8)
　　nBytes=5;
　　else if(chr>=0xF0)
　　nBytes=4;
　　else if(chr>=0xE0)
　　nBytes=3;
　　else if(chr>=0xC0)
　　nBytes=2;
　　else
　　{
　　return FALSE;
　　}
　　nBytes--;
　　}
　　}
　　else //多字节符的非首字节,应为 10xxxxxx
　　{
　　if( (chr&0xC0) != 0x80 )
　　{
　　return FALSE;
　　}
　　nBytes--;
　　}
　　}
　　if( nBytes > 0 ) //违返规则
　　{
　　return FALSE;
　　}
　　if( bAllAscii ) //如果全部都是ASCII, 说明不是UTF-8
　　{
　　return FALSE;
　　}
　　return TRUE;

　　}

1. #include <string.h>
2. #include <stdio.h>
3.  
4. bool IsUTF8String(const char* str, int length)
5. {
6.     int i = 0;
7.     int nBytes = 0;//UTF8可用1-6个字节编码,ASCII用一个字节
8.     unsigned char chr = 0;
9.     bool bAllAscii = true;//如果全部都是ASCII,说明不是UTF-8
10.  
11.     while (i < length)
12.     {
13.         chr = *(str + i);
14.         if ((chr & 0x80) != 0)
15.             bAllAscii = false;
16.         if (nBytes == 0)//计算字节数
17.         {
18.             if ((chr & 0x80) != 0)
19.             {
20.                 while ((chr & 0x80) != 0)
21.                 {
22.                     chr <<= 1;
23.                     nBytes++;
24.                 }
25.                 if (nBytes < 2 || nBytes > 6)
26.                     return false;//第一个字节最少为110x xxxx
27.                 nBytes--;//减去自身占的一个字节
28.             }
29.         }
30.         else//多字节除了第一个字节外剩下的字节
31.         {
32.             if ((chr & 0xc0) != 0x80)
33.                 return false;//剩下的字节都是10xx xxxx的形式
34.             nBytes--;
35.         }
36.         ++i;
37.     }
38.     if (bAllAscii)
39.         return false;
40.     return nBytes == 0;
41. }
42.  
43. int main()
44. {
45.     printf("%d\n", IsUTF8String("cc", strlen("cc")));
46.     printf("%d\n", IsUTF8String("曹操", strlen("曹操")));
47.  
48.     return 0;
49. }

int strLen_utf8(__in unsigned char* s, int nLen)

{

}