位掩码 - C 中的按位运算答案

【问题标题】：Bits mask - bitwise operations in C位掩码 - C 中的按位运算
【发布时间】：2017-12-17 11:05:57
【问题描述】：

例子：我有整数0000010010001110的二进制表示

我如何通过 110..... 0....... 屏蔽这些位？我需要在掩码中保存零并保存所有活动位在以下整数110010001110

我是位运算的新手，请给我一些想法或建议，谢谢。

更新。我需要屏蔽 wchar_t 并以 unicode (UTF-8) 输出表示

阅读 UTF-8 规范以获取更多详细信息，但在高层次上：

代码点 0 – 007F 存储为常规的单字节 ASCII。代码点 0080 及以上被转换为二进制并存储（编码）在一系列字节。第一个“count”字节表示代码点的字节，包括计数字节。这些字节开始 11..0：

110xxxxx（前导“11”表示依次为2个字节，包括 “计数”字节）

1110xxxx（1110 -> 3 个字节顺序）

11110xxx（11110 -> 4 字节顺序）

以 10... 开头的字节是“数据”字节，包含以下信息代码点。一个 2 字节的示例如下所示

110xxxxxx 10xxxxxx

【问题讨论】：

不清楚你想要实现什么。显示更多对样本输入和所需结果可能会有所帮助。您还应该展示自己所做的努力。制作minimal reproducible example 给人留下好印象。即使您不知道如何继续，您的 MCVE 也应该包含一个输入（例如一个 unsigned int 变量），其中包含您想要处理的任何内容和一个输出，例如另一个变量最终应该包含结果。
@Yunnosch 我试试，谢谢

标签： c unicode utf-8 bit-manipulation mask

【解决方案1】：

我需要屏蔽 wchar_t 并以 unicode (UTF-8) 表示形式输出

您是否阅读过UTF-8 in the Unicode standard（第 3.9 节 - Unicode 编码形式）或RFC 3629，甚至UTF-8 documentation on Wikipedia 的官方规范？

它们描述了将 21 位代码点编号拆分为编码字节序列所需的算法。请注意，wchar_t 在 Windows 上是 16 位 (UTF-16)，但在大多数其他平台上是 32 位 (UTF-32)。 UTF 之间的转换相当简单，但您必须考虑 UTF 的实际含义，因为将 UTF-16 转换为 UTF-8 与将 UTF-32 转换为 UTF-8 有点不同。

简而言之，你需要这样的东西：

uint32_t codepoint = ...;
// This is the actual codepoint number, decoded from 1 or 2 wchar_t
// elements, depending on the UTF encoding of the wchar_t sequence.
// In UTF-32, the characters are the actual codepoint numbers as-is.
// In UTF-16, only the characters <= 0xFFFF are the actual codepoint
// numbers, the rest are encoded using surrogate pairs that you would
// have to decode to get the actual codepoint numbers...

uint8_t bytes[4];
int numBytes = 0;

if (codepoint <= 0x7F)
{
    bytes[0] = (uint8_t) codepoint;
    numBytes = 1;
}
else if (codepoint <= 0x7FF)
{
    bytes[0] = 0xC0 | (uint8_t) ((codepoint >> 6) & 0x1F);
    bytes[1] = 0x80 | (uint8_t) (codepoint & 0x3F);
    numBytes = 2;
}
else if (codepoint <= 0xFFFF)
{
    bytes[0] = 0xE0 | (uint8_t) ((codepoint >> 12) & 0x0F);
    bytes[1] = 0x80 | (uint8_t) ((codepoint >> 6) & 0x3F);
    bytes[2] = 0x80 | (uint8_t) (codepoint & 0x3F);
    numBytes = 3;
}
else if (codepoint <= 0x10FFFF)
{
    bytes[0] = 0xF0 | (uint8_t) ((codepoint >> 18) & 0x07);
    bytes[1] = 0x80 | (uint8_t) ((codepoint >> 12) & 0x3F);
    bytes[2] = 0x80 | (uint8_t) ((codepoint >> 6) & 0x3F);
    bytes[3] = 0x80 | (uint8_t) (codepoint & 0x3F);
    numBytes = 4;
}
else
{
    // illegal!
}

// use bytes[] up to numBytes as needed...

这可以简化为：

uint32_t codepoint = ...; // decoded from wchar_t sequence...

uint8_t bytes[4];
int numBytes = 0;

if (codepoint <= 0x7F)
{
    bytes[0] = 0x00;
    numBytes = 1;
}
else if (codepoint <= 0x7FF)
{
    bytes[0] = 0xC0;
    numBytes = 2;
}
else if (codepoint <= 0xFFFF)
{
    bytes[0] = 0xE0;
    numBytes = 3;
}
else if (codepoint <= 0x10FFFF)
{
    bytes[0] = 0xF0;
    numBytes = 4;
}
else
{
    // illegal!
}

for(int i = 1; i < numBytes; ++i)
{
    bytes[numBytes-i] = 0x80 | (uint8_t) (codepoint & 0x3F);
    codepoint >>= 6;
}

bytes[0] |= (uint8_t) codepoint;

// use bytes[] up to numBytes as needed...

在您的示例中，0000010010001110 是十进制 1166，十六进制 0x48E。 Codepoint U+048E 以 UTF-8 编码为字节 0xD2 0x8E，例如：

0000010010001110b -> 010010b 001110b 0xC0 或 010010b -> 0xD2 0x80 或 001110b -> 0x8E

【讨论】：

【解决方案2】：

不清楚你到底需要什么，但如果你需要“识别”“计数”字节和“数据”字节的类型，对于给定的例子：

1100000110100000(11000001 10100000)

您可以使用“识别”“计数”字节：

#define BIT_MASK 0X8000 //which gives---1000 0000 0000 0000

然后使用运算符&检查是否设置了位，counter计算设置了多少位，使用<<运算符左移（最多8次）。如果出现未设置的位，请中断。

  #include <stdio.h>
  #include <stdint.h>
  #define BIT_MASK        0x8000
  #define MAX_LEFT_SHIFT  8

int main(void)
{
    uint16_t exm_num = 49568;// for example 11000001 10100000 in binary
    int i,count=0;
    for(i=0;i<MAX_LEFT_SHIFT;++i){
    if (exm_num & BIT_MASK)
        ++count;
     else
         break;
     exm_num = exm_num<<1;
 }
     return 0;
}

然后您可以使用count 的最终值来识别类型。

该示例的输出为 2

【讨论】：