全角与半角的转化

1.全角与半角的区别

汉字的特点使我们碰到了两个基本且又非常重要的概念,即全角与半角。形象的说,在使用英文输入法时,电脑屏幕上,一个英文字符(如a)所占的位置,人们称其为半角,而一个汉字所占的位置则等于两个英文字符,故称其为全角。
英文输入法下,无论是输入字母、符号还是数字,始终都只占一个英文字符的位置,即半角。但在中文输入法下,则会有全角半角两种选择,对中文字符来说,这两种选择对其没有影响,它始终都要占两个英文字符的位置,但对此状态下输入的符号、数字以及英文字母来说,就显得很重要,如以下所示:
china
china
前者输入选择的是半角,后者为全角。在选择全角后,即便是字母、符号、数字都无一例外地要被当成汉字进行处理,视觉上看,由于它们占两个英文字符的位置,显得别扭了许多。

2.全角与半角的转化

Ansi多字节字体集在中文(汉字、中文符号)下即GBK编码,英文(英文字母、英文符号)下为ASCII码,一般来说,Ansi编码的文本便于程序的处理。对文本中字符串操作前,建议统一使用全角或半角。比如全角的空格“  ”(对应的GBK编码A1A1),而半角的空格 ”(对应的ASCII编码为\x20),如果文本中混合使用,要查找空格位置或按空格分割段落时,显然两种空格会带来不必要的麻烦。文本中的内容可分为以下四类:

分类 解释 转化方法
汉字以及中文字符 如:“中国”、“好”等汉字和“……”“——”等中文中的特有符号,这些只能是全角,不存在转化的问题 NULL
英文字母与英文符号 指ASCII表中33-126对应的字符,如:!*+012abc{}等。它们有全角和半角两种形式,例如上述的china与china 半角转全角:前添加字节A3,原字节最高位置1
全角转半角:丢弃第一个字节,第二个字节最高位置0
空格 ASCII码的空格为\x20,GBK编码的空格为A1A1 和英文字母和英文符号不同,这个要特殊对待
控制字符 指ASCII表中0-31的字符,用于控制文件格式。如回车换行便对应\x0D\x0A(CR LF),这部分只能是半角,不需转化 NULL

由此,全角转半角的程序如下

/*
 *作者:侯凯
 *说明:全角与半角相互转化
 *日期:2013-6-9
 */
#include <iostream>
#include <fstream>
#include <string>
using std::string;
using namespace std;

const char sbc_high = -93; //全角字符的第一个字节为A3
const char sbc_space = -95; //全角空格为A1A1

//全角转半角
string SBC2DBC(const string &sbc)
{
    string dbc = "";
    int len = sbc.length();
    for (int i=0; i<len; ++i)
    {
        if (sbc[i] > 0)    //已经是单字节字符,或者是控制字符
        {
            dbc.append(1, sbc[i]);
        }
        else
        {
            if (sbc[i] == sbc_high)    //全角的英文字母或全角英文符号,如!(A3A1)
            {
                dbc.append(1, sbc[i+1]&0x7f);
            }
            else if (sbc[i]==sbc_space && sbc[i+1]==sbc_space)    //单独处理空格
            {
                dbc.append(1, ' ');
            }
            else //针对汉字以及~……等中文符号
            {
                dbc += sbc.substr(i, 2);
            }
            ++i;
        }
    }
    return dbc;
}

半角转全角的程序如下

//半角转全角
string DBC2SBC(const string &dbc)

{
    string sbc = "";
    int len = dbc.length();
    for (int i=0; i<len; ++i)
    {
        if (dbc[i] < 0)    //已经是双字节字符,或者是汉字及中文符号
        {
            sbc += dbc.substr(i, 2);
            ++i;
        }
        else if (dbc[i] == ' ')    //单独处理空格
        {
            sbc += " ";
        }
        else
        {
            if (dbc[i]>=33 && dbc[i]<=126)//半角的英文字母或半角英文符号
            {
                sbc.append(1, sbc_high);
                sbc.append(1, dbc[i]|0x80);
            }
            else
            {
                sbc.append(1, dbc[i]);//控制字符
            }
        }
    }
    return sbc;
}

处理一个文本转化的示例程序如下

//处理txt文本的简单例子
void ProcessFile(const char* filename)  
{  
    ifstream infile;
    string strLine = "";
    string strResult = "";  
    infile.open(filename);
    if (infile)  
    {  
        while (!infile.eof())
        {  
            getline(infile,strLine);  
            strResult += strLine+"\n";
        }  
    }
    infile.close();

    strResult = SBC2DBC (strResult);//转化

    ofstream outfile;  
    outfile.open (filename);
    outfile.write (strResult.c_str(), strResult.length());  
    outfile.flush();  
    outfile.close();
}

3.unicode编码下的转化

在实际的工作中,可能碰到unicode编码的文本。在这种情况下,半角与全角的转化过程与上述方法一致,只需要处理“英文字母与英文符号”和“空格”即可。当然,unicode编码下,所有字符都用两个字节表示,如半角的空格为\x0020,全角的空格为\x3000,(unicode编码详见:http://www.cnblogs.com/houkai/archive/2013/06/04/3116955.html),这样避免了字符的添加或丢弃,处理更为简单。如需Unicode编码表,可下载。 转化方法:
a.全角空格为12288,半角空格为32
b.其他字符半角(33-126)与全角(65281-65374)的对应关系是:均相差65248
程序实现比较简单,以UTF8转ANSI中的changeTxtEncoding函数为基础,改写后示例如下:

//原函数的功能是实现UTF8编码的szU8字符转unicode,unicode再转Ansi
//这里,在UTF8转unicode后添加了“全角转半角程序”部分
char* changeTxtEncoding(char* szU8)
{  
    int wcsLen = ::MultiByteToWideChar(CP_UTF8, NULL, szU8, -1, NULL, 0);  
    wchar_t* wszString = new wchar_t[wcsLen];
    ::MultiByteToWideChar(CP_UTF8, NULL, szU8, -1, wszString, wcsLen);

    //全角转半角程序
    //wszString是unicode编码
    for (int i=0; i<wcsLen; i++)
    {
        if(wszString[i]==12288) //空格
        {
            wszString[i] = 32;
        }
        if( (wszString[i]>=65281) && (wszString[i]<=65374) )//其他字符
        {
            wszString[i] -= 65248;
        }
    }

    int ansiLen = ::WideCharToMultiByte(CP_ACP, NULL, wszString, -1, NULL, 0, NULL, NULL);  //wcslen(wszString)
    char* szAnsi = new char[ansiLen];  
    ::WideCharToMultiByte(CP_ACP, NULL, wszString, -1, szAnsi, ansiLen, NULL, NULL); 
    delete[] wszString;
    return szAnsi;  
}
posted @ 2013-06-09 17:03  侯凯  阅读(4765)  评论(1编辑  收藏  举报