网站首页 返回列表像“草根”一样，紧贴着地面，低调的存在，冬去春来，枯荣无恙。

GO代码实现判断字符编码格式及编码格式转换（utf-8、gbk）

2020-06-10 02:39:48 admin 1223

# 引入

C/C++的实现请看<https://www.jianshu.com/p/a83d398e3606>

最近使用go开发http服务，在使用http进行通信时，发现接收报文中如果包含中文字符（非utf-8编码），直接使用go将二进制格式数据转换成字符串文本会出现乱码的情况。因为golang中的字符编码格式是utf-8，如果是其他类型的编码，例如gbk，那么直接转码后出现乱码也就理所当然了。

* * *

# GBK编码格式

为了更好地说明GBK的编码方式，首先在这里先说明一下ASCII码，GB2312, GBK, GB18030的兼容性关系：

各种编码兼容关系.png

ASCII编码使用一个字节的低7位（范围0-127）来表示共128个字符，最高位为0，即 0XXX_XXXX

GB2312为了能表示更多字符，使用单字节和双字节来进行编码，单个字节编码与ASCII完全一样，也就兼容了ASCII码，双字节编码高低字节范围都是0xA1-0xFE（范围0xA1A1
- 0xFEFE ）。要注意的是该范围的并不是每一个码位都编有字符，GB2312只编码汉字6763个和非汉字图形字符682个。  
[GB2312具体编码表](https://links.jianshu.com/go?to=http%3A%2F%2Ftools.jb51.net%2Ftable%2Fgb2312)

GBK编码同样使用单字节和双字节来进行编码，单字节也同样采用ASCII的编码，双字节GBK编码范围在0x8140 -
0xFEFE之间，细心的人一定发现了GBK编码范围覆盖了GB2312的编码范围。实际上，GB2312的所有双字节字符编码在GBK中也完全一样，这样就实现了GBK对GB2312的兼容。GBK除了包含GB2312的所有字符外，在其编码范围内编码了更多的字符。按照前面提到的，GBK首字节在
81-FE之间 （共126个），尾字节在 40-FE 之间（剔除xx7F后共190个），总计 可以有126*190 = 23940
个码位，除掉不编码的码位后共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883
个。而GB18030则在兼容GBK的基础上使用四个字节来达到扩展编码的目的，与本文要介绍的内容关联不大，有兴趣的话可以自己了解。  
[GBK具体编码表](https://links.jianshu.com/go?to=http%3A%2F%2Ftools.jb51.net%2Ftable%2Fgbk_table)

GBK编码范围.png

* * *

# utf-8编码格式

utf-8使用变字长方式(1到6个字节）来进行编码。  
对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。具体表示如下：  
0XXX_XXXX  
110X_XXXX 10XX_XXXX  
1110_XXXX 10XX_XXXX 10XX_XXXX  
1111_0XXX 10XX_XXXX 10XX_XXXX 10XX_XXXX  
1111_10XX 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX  
1111_110X 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX

* * *

go判断字符串是否是gbk:

func isGBK(data []byte) bool {
        length := len(data)
        var i int = 0
        for i < length {
            if data[i] <= 0x7f {
                //编码0~127,只有一个字节的编码，兼容ASCII码
                i++
                continue
            } else {
                //大于127的使用双字节编码，落在gbk编码范围内的字符
                if  data[i] >= 0x81 &&
                    data[i] <= 0xfe &&
                    data[i + 1] >= 0x40 &&
                    data[i + 1] <= 0xfe &&
                    data[i + 1] != 0xf7 {
                    i += 2
                    continue
                } else {
                    return false
                }
            }
        }
        return true
    }

* * *

go判断字符串是否是utf-8:

func preNUm(data byte) int {
        var mask byte = 0x80
        var num int = 0
        //8bit中首个0bit前有多少个1bits
        for i:=0; i < 8; i++ {
            if (data & mask) == mask {
                num++
                mask = mask >> 1
            } else {
                break
            }
        }
        return num
    }
    func isUtf8(data []byte) bool {
        i := 0
        for i < len(data)  {
            if (data[i] & 0x80) == 0x00 {
                // 0XXX_XXXX
                i++
                continue
            } else if num := preNUm(data[i]); num > 2 {
                // 110X_XXXX 10XX_XXXX
                // 1110_XXXX 10XX_XXXX 10XX_XXXX
                // 1111_0XXX 10XX_XXXX 10XX_XXXX 10XX_XXXX
                // 1111_10XX 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX
                // 1111_110X 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX 10XX_XXXX
                // preNUm() 返回首个字节的8个bits中首个0bit前面1bit的个数，该数量也是该字符所使用的字节数
                i++
                for j := 0; j < num - 1; j++ {
                    //判断后面的 num - 1 个字节是不是都是10开头
                    if (data[i] & 0xc0) != 0x80 {
                        return false
                    }
                    i++
                }
            } else  {
                //其他情况说明不是utf-8
                return false
            }
        }
        return true
    }

* * *

go gbk与utf-8相互转换:  
gbk与utf-8相互转换可以使用官方的golang.org/x/text 包来进行转换  
需要先安装这个第三方包，使用以下命令进行安装  
go get golang.org/x/text

import "golang.org/x/text/encoding/simplifiedchinese"
    simplifiedchinese.GBK.NewEncoder().Bytes()   //utf-8 转 gbk
    simplifiedchinese.GBK.NewDecoder().Bytes()  //gbk 转 utf-8

* * *

用例：

const (
        GBK string  = "GBK"
        UTF8 string = "UTF8"
        UNKNOWN string = "UNKNOWN"
    )
    //需要说明的是，isGBK()是通过双字节是否落在gbk的编码范围内实现的，
    //而utf-8编码格式的每个字节都是落在gbk的编码范围内，
    //所以只有先调用isUtf8()先判断不是utf-8编码，再调用isGBK()才有意义
    func GetStrCoding(data []byte) string {
        if isUtf8(data) == true {
            return UTF8
        } else if isGBK(data) == true {
            return GBK
        } else {
            return UNKNOWN
        }
    }
    
    func main() {
        str := "月色真美，风也温柔，233333333，~！@#"  //go字符串编码为utf-8
        fmt.Println("before convert:", str)   //打印转换前的字符串
    
        fmt.Println("coding:", GetStrCoding([]byte(str)))   //判断是否是utf-8
    
    
        gbkData, _ := simplifiedchinese.GBK.NewEncoder().Bytes([]byte(str))  //使用官方库将utf-8转换为gbk
        fmt.Println("gbk直接打印会出现乱码:", string(gbkData))   //乱码字符串
        fmt.Println("coding:", GetStrCoding(gbkData)) //判断是否是gbk
    
        utf8Data, _ := simplifiedchinese.GBK.NewDecoder().Bytes(gbkData) //将gbk再转换为utf-8
        fmt.Println("coding:", GetStrCoding(utf8Data))  //判断是否是utf-8
        fmt.Println("after convert:", string(utf8Data))   //打印转换后的字符串
    }

运行结果.png

转载文章，原文链接： GO代码实现判断字符编码格式及编码格式转换（utf-8、gbk）

关键字词编码格式

分享到：

上一篇：GoLang实现Gin框架

下一篇：GoLang实现TCP协议客户端和服务端

如需留言，请登录，没有账号？请注册

0 条评论 0 人参与