如何判断字符是UTF－8的编码？

[kunkunpp]

有没有办法直接判断出字符是UTF－8的编码？
有现成的库么？
请各位兄弟指教。

[kunkunpp]

我有一些数据存在数据库中，其中有些是utf－8的，有些不是，我主要目的是想查出那些不是utf-8的非法数据。希望各位兄弟指条道。

[dongyuanzhang]

http://www.douzi.org/blog/180.html
http://www.utf8.org/

[kunkunpp]

还有么？

[kunkunpp]

这个问题太难了么？
我想知道是否有现成的判断UTF-8的函数？

[asmgirl]

关注

[kunkunpp]

恩，这个贴到现在还没有人回的？？？

[daylove]

http://www.linuxforum.net/books/UTF-8-Unicode.html

不知道，不过我想应该从UTF-8的特征去判断吧，检查到特定的细节，符合UTF-8特征，则就是了。

[daylove]

在网络上找到一点，希望对你有帮助：

BOM(byte order mark)检测
无BOM检测
BOM是用来标记UTF-8编码的开始，它为三个字节：0xEF, 0xBB, 0xBF，
必需在串的开始。因此函数中的循环最多检测前三个字符，如果是的话，
则退出循环，判断完毕。

但很多UTF-8编码的文件没有BOM字节，因此循环后面的方法就是利用了
UTF-8编码的规律来进行判断，具体的原理就不多说了，看一看我上面链
接的文章应该就清楚了，但你要知道UTF－8编码的规则才可以。

http://www.linuxforum.net/forum/showflat.php?Cat=&Board=python&Number=495520&page=12&view=collapsed&sb=5&o=&fpart=1

[kunkunpp]

谢了。

[daylove]

不客气。

[zjxiaoyu]

我自己写过utf8和ucs2互相转换的函数。不是太麻烦。
如果只是判断的话，更简单了。