无忧启动论坛

标题: 求教一个对齐的问题？ [打印本页]

作者: zbkh 时间: 2013-6-5 09:28
标题: 求教一个对齐的问题？
本来的之前有问过这个问题：http://bbs.wuyou.net/forum.php?mod=viewthread&tid=308611

在这里再次感谢chenall 、sratlf 、zhaohj

对于字符，利用上面的方法已经能够很好的解决对齐问题，但是遇到有字符以及汉字，对齐就不知道该如何实现，一个字符值的长度为1，一个汉字值的长度为3，但显示一个汉字比显示3个字符所占用屏幕面积要少！

求怎么样才能解决汉字与字符同时都有的对齐问题？

作者: zhaohj 时间: 2013-6-5 10:31
如 set var1=abcdABCD中国龙ABCDabcd
先获取变量值的长度（字节数），set var1=%var1% && set /a len1=*0x4cb00
------------------
另你理解有误，一个汉字占2个字节（内存中），不要与字符编码占字节数相混淆。

作者: sratlf 时间: 2013-6-5 11:04

zhaohj 发表于 2013-6-5 10:31
如 set var1=abcdABCD中国龙ABCDabcd
先获取变量值的长度（字节数），set var1=%var1% && set /a len1=*0x ...

汉字utf8编码的话确实是会占据3个字节但显示会占用2个字符

作者: sratlf 时间: 2013-6-5 11:10
你可以参考下我在RUN里的处理有涉及到中文对齐的问题包括计算显示长度以及截取指定显示长度

比如获取变量tmp值的显示长度可以用下面这段

:str_length
set n=
set utf8n=
call Fn.12 "%tmp%" || exit
set n=%@retval% && set utf8n=0
echo -e -n %tmp% > (md)0x200+1
cat --hex (md)0x200+1 > (md)0x201+4
cat --skip=9 --locate=\x20E (md)0x201+4 > nul || exit
set /a n=%n% - %@retval% > nul && set utf8n=%@retval%
exit

复制代码

执行完毕后n值是显示长度 utf8n值是汉字个数

作者: zbkh 时间: 2013-6-5 12:13
恩，谢谢！谢谢sratlf 、 zhaohj

作者: 不点 时间: 2013-6-6 09:53
本帖最后由不点于 2013-6-6 10:35 编辑

UTF8 编码格式的汉字，有可能占据 3 个字节、4 个字节、5 个字节、6 个字节。常用的汉字可能是占用 3 个字节。但占用 4 个字节的，也有很多。如果你认为汉字一定只占用 3 个字节，恐怕你将来会遇到某些麻烦。

更正：

对不起。grub4dos 的 Unicode 支持，仅支持 Unicode 代码点 0 至 FFFF，共 65536 个字符。这个范围的 Unicode 字符用 UTF8 编码格式，最多确实只需要三个字节。两个字节的编码不是汉字，汉字至少需要三个字节。因此，在 grub4dos 中，汉字确实恰好是占用 3 字节的 UTF8 编码。

作者: zhaohj 时间: 2013-6-6 16:51
本帖最后由 zhaohj 于 2013-6-6 16:55 编辑

确实，汉字恰好是占用3字节的UTF8编码，有趣的是汉字第一个字节的编码都是E开头，sratlf是怎么发现的？

Snap0.jpg (56.13 KB, 下载次数: 64)

作者: zhaohj 时间: 2013-6-6 17:01
另外，cat命令显示的右边部分，能显示中文吗？

作者: 不点 时间: 2013-6-6 18:52
可以显示中文，但禁止了。因为中文占据 3 个字节，容易被拆开，造成乱码。

可以打个补丁，显示 UTF8中文字符，不过意义不大。

作者: sratlf 时间: 2013-6-6 22:54

zhaohj 发表于 2013-6-6 16:51
确实，汉字恰好是占用3字节的UTF8编码，有趣的是汉字第一个字节的编码都是E开头，sratlf是怎么发现的？

就是utf8的编码规则
http://blog.csdn.net/sandyen/article/details/1108168
http://blog.csdn.net/winner82/article/details/2069717
http://hi.baidu.com/autowomen/item/7f664cefcc3896394ddcafa4

UTF-8是一种变长字节编码方式。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。UTF-8最多可用到6个字节。
如表：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：

UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx

例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx
10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001，
用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

欢迎光临无忧启动论坛 (http://wuyou.net/)