一个关于汉字内码的问题

Question

我要写一个程序把一个纯文本的文件分为若干个纯文本的文件，但是发现分割后的文件中，会有部分文件出现乱码，经分析是因为把一个汉字的二个字节分在了不同的二个文件中所致，请问如何判断某个字节是汉字的高字节还是低字节，还是就是全角字符的内码是怎么样编码的？高分相送

Answer 1

用我的函数处理吧,可以返回字符串中字母和中文
存储在字符串数组arrStr中。Str为你需要处理的字符串int treateStr(CString Str,CStringArray &arrStr)
{
int i=0,strLen;
CString str1,str2,OneChn;
BYTE* SourceSTR;
SourceSTR =(BYTE* )(LPCTSTR)Str;
strLen = Str.GetLength();
if (strLen == 0)
return RTERROR;
while(i<strLen)
{
if(SourceSTR[i]<0xA1||(SourceSTR[i+1]<0xA1)) //  English 是英文字符
{
str1 = Str.GetAt(i);
arrStr.Add(str1);
i++;
}
else if(SourceSTR[i]>0xA1&&SourceSTR[i]<0xB0) //是GB2312的汉字码
{
str1 = Str.GetAt(i);
str2 = Str.GetAt(i+1);
OneChn = str1 + str2;
arrStr.Add(OneChn);
i+=2;
}
else if(SourceSTR[i]>0xFE&&SourceSTR[i]<0xA0)//是BIG5的汉字码 第一字节的值在 
 //16 进制的 A0～FE 之间，第二字节在 40～7E 和 A1～FE 之间
{
str1 = Str.GetAt(i);
str2 = Str.GetAt(i+1);
OneChn = str1 + str2;
arrStr.Add(OneChn);
i+=2;
}
else if(SourceSTR[i]>0x81&&SourceSTR[i]<0xFE)// GBK 第一字节的值在 16 进制的 
 //81～FE 之间，第二字节在 40～FE
{
str1 = Str.GetAt(i);
str2 = Str.GetAt(i+1);
OneChn = str1 + str2;
arrStr.Add(OneChn);
i+=2;
}
else // 其他
{
str1 = Str.GetAt(i);
str2 = Str.GetAt(i+1);
OneChn = str1 + str2;
arrStr.Add(OneChn);
i+=2;
}
}
 return 1;
}

Answer 2

这个函数只能判断一个字符能不能是头字符,
两字节内码：
GBK范围：
1st byte    2nd byte
0x81~0xfe   0x40~0x7e and 0x80~0xfeBIG5范围：
1st byte    2nd byte
0x81~0xfe   0x40~0x7e and 0xa1~0xfe第一字符和第二字符有重复的部分,所以这个函数无法区分第一字符和第二字符.
唯一查找的方法是,从一个你确定不是汉字的字符(小于0X40)开始查起

Answer 3

很简单
根本不需要判断到底是高字节还是低字节！
假设你的分割位置为pos;
1 得到pos位置的value: charValue，----char型
2 if(charValue>256)//is a 汉字
3 判断pos前后两个字节的值，如果前一个字节>256,说明pos是汉字的低字节，否则是汉字的高字节！
反正汉字用两个字节表示，并且每个字节的最高为使1,怎么做你应该明白