设为首页收藏本站
切换到宽版

 找回密码
 注册
搜索
批处理之家»论坛 › 其他脚本区 › VBS求助&讨论 › VBS怎样判断字符串中是否含有UNICODE字符？ ...
[新手上路]批处理新手入门导读[视频教程]批处理基础视频教程[视频教程]VBS基础视频教程[批处理精品]批处理版照片整理器
[批处理精品]纯批处理备份&还原驱动[批处理精品]CMD命令50条不能说的秘密[在线下载]第三方命令行工具[在线帮助]VBScript / JScript 在线参考
返回列表 发新帖
查看: 20323|回复: 9

[问题求助] VBS怎样判断字符串中是否含有UNICODE字符？

[复制链接]
lqh123108
发表于 2014-10-31 15:17:47 | 显示全部楼层 |阅读模式
asc("拉")

但不知道ANSI这个取值范围是多少？

盼赐教
回复

举报

yu2n
发表于 2014-11-4 09:57:13 | 显示全部楼层
1. 标题让人费解。这个帖子页面的所有文字在Unicode字符集中都能找到，另外，你举个不在Unicode字符集中的文字看看。

2. 关于VBS的ASC函数，你一定想不它的返回值相当有趣，它跟操作系统语言有关，它随着系统代码页的变化而改变。

例如：
在简体XP系统下 asc("拉") 的返回值为 -16211 ，而"拉"的GBK编码为 49325（你会发现 16211 + 49325 = 65536）。
在繁体XP系统下 asc("拉") 的返回值为 -22060 ，我没查"拉"的BIG5编码是多少，但我猜测它的编码是 43476 ，为什么我猜对了？

Asc 返回输入字符的“码位”（字符码）。对于单字节字符集 (SBCS) 值，返回值范围为 0 到 255；
对于双字节字符集 (DBCS) 值，返回值范围为 -32768 到 32767。有关单字节 ASCII 字符的图表，请参见 ASCII 字符代码。
返回的值取决于当前线程的代码页，该代码页包含在 System.Globalization 命名空间中 TextInfo 类的 ANSICodePage 属性中。

3. ANSI 取值范围？不是ANSII？我猜ANSI可能是“俺寺”的意思，我悟性不高不要怪我。


附：ANSICodePage

  2. Code Page Identifiers
  3. The following table defines the available code page identifiers.
  4. Note   ANSI code pages can be different on different computers, or can be changed for a single computer, leading to data corruption. For the most consistent results, applications should use Unicode, such as UTF-8 or UTF-16, instead of a specific code page.
  5. Identifier        .NET Name        Additional information
  6. 037        IBM037        IBM EBCDIC US-Canada
  7. 437        IBM437        OEM United States
  8. 500        IBM500        IBM EBCDIC International
  9. 708        ASMO-708        Arabic (ASMO 708)
  10. 709                Arabic (ASMO-449+, BCON V4)
  11. 710                Arabic - Transparent Arabic
  12. 720        DOS-720        Arabic (Transparent ASMO); Arabic (DOS)
  13. 737        ibm737        OEM Greek (formerly 437G); Greek (DOS)
  14. 775        ibm775        OEM Baltic; Baltic (DOS)
  15. 850        ibm850        OEM Multilingual Latin 1; Western European (DOS)
  16. 852        ibm852        OEM Latin 2; Central European (DOS)
  17. 855        IBM855        OEM Cyrillic (primarily Russian)
  18. 857        ibm857        OEM Turkish; Turkish (DOS)
  19. 858        IBM00858        OEM Multilingual Latin 1 + Euro symbol
  20. 860        IBM860        OEM Portuguese; Portuguese (DOS)
  21. 861        ibm861        OEM Icelandic; Icelandic (DOS)
  22. 862        DOS-862        OEM Hebrew; Hebrew (DOS)
  23. 863        IBM863        OEM French Canadian; French Canadian (DOS)
  24. 864        IBM864        OEM Arabic; Arabic (864)
  25. 865        IBM865        OEM Nordic; Nordic (DOS)
  26. 866        cp866        OEM Russian; Cyrillic (DOS)
  27. 869        ibm869        OEM Modern Greek; Greek, Modern (DOS)
  28. 870        IBM870        IBM EBCDIC Multilingual/ROECE (Latin 2); IBM EBCDIC Multilingual Latin 2
  29. 874        windows-874        ANSI/OEM Thai (ISO 8859-11); Thai (Windows)
  30. 875        cp875        IBM EBCDIC Greek Modern
  31. 932        shift_jis        ANSI/OEM Japanese; Japanese (Shift-JIS)
  32. 936        gb2312        ANSI/OEM Simplified Chinese (PRC, Singapore); Chinese Simplified (GB2312)
  33. 949        ks_c_5601-1987        ANSI/OEM Korean (Unified Hangul Code)
  34. 950        big5        ANSI/OEM Traditional Chinese (Taiwan; Hong Kong SAR, PRC); Chinese Traditional (Big5)
  35. 1026        IBM1026        IBM EBCDIC Turkish (Latin 5)
  36. 1047        IBM01047        IBM EBCDIC Latin 1/Open System
  37. 1140        IBM01140        IBM EBCDIC US-Canada (037 + Euro symbol); IBM EBCDIC (US-Canada-Euro)
  38. 1141        IBM01141        IBM EBCDIC Germany (20273 + Euro symbol); IBM EBCDIC (Germany-Euro)
  39. 1142        IBM01142        IBM EBCDIC Denmark-Norway (20277 + Euro symbol); IBM EBCDIC (Denmark-Norway-Euro)
  40. 1143        IBM01143        IBM EBCDIC Finland-Sweden (20278 + Euro symbol); IBM EBCDIC (Finland-Sweden-Euro)
  41. 1144        IBM01144        IBM EBCDIC Italy (20280 + Euro symbol); IBM EBCDIC (Italy-Euro)
  42. 1145        IBM01145        IBM EBCDIC Latin America-Spain (20284 + Euro symbol); IBM EBCDIC (Spain-Euro)
  43. 1146        IBM01146        IBM EBCDIC United Kingdom (20285 + Euro symbol); IBM EBCDIC (UK-Euro)
  44. 1147        IBM01147        IBM EBCDIC France (20297 + Euro symbol); IBM EBCDIC (France-Euro)
  45. 1148        IBM01148        IBM EBCDIC International (500 + Euro symbol); IBM EBCDIC (International-Euro)
  46. 1149        IBM01149        IBM EBCDIC Icelandic (20871 + Euro symbol); IBM EBCDIC (Icelandic-Euro)
  47. 1200        utf-16        Unicode UTF-16, little endian byte order (BMP of ISO 10646); available only to managed applications
  48. 1201        unicodeFFFE        Unicode UTF-16, big endian byte order; available only to managed applications
  49. 1250        windows-1250        ANSI Central European; Central European (Windows)
  50. 1251        windows-1251        ANSI Cyrillic; Cyrillic (Windows)
  51. 1252        windows-1252        ANSI Latin 1; Western European (Windows)
  52. 1253        windows-1253        ANSI Greek; Greek (Windows)
  53. 1254        windows-1254        ANSI Turkish; Turkish (Windows)
  54. 1255        windows-1255        ANSI Hebrew; Hebrew (Windows)
  55. 1256        windows-1256        ANSI Arabic; Arabic (Windows)
  56. 1257        windows-1257        ANSI Baltic; Baltic (Windows)
  57. 1258        windows-1258        ANSI/OEM Vietnamese; Vietnamese (Windows)
  58. 1361        Johab        Korean (Johab)
  59. 10000        macintosh        MAC Roman; Western European (Mac)
  60. 10001        x-mac-japanese        Japanese (Mac)
  61. 10002        x-mac-chinesetrad        MAC Traditional Chinese (Big5); Chinese Traditional (Mac)
  62. 10003        x-mac-korean        Korean (Mac)
  63. 10004        x-mac-arabic        Arabic (Mac)
  64. 10005        x-mac-hebrew        Hebrew (Mac)
  65. 10006        x-mac-greek        Greek (Mac)
  66. 10007        x-mac-cyrillic        Cyrillic (Mac)
  67. 10008        x-mac-chinesesimp        MAC Simplified Chinese (GB 2312); Chinese Simplified (Mac)
  68. 10010        x-mac-romanian        Romanian (Mac)
  69. 10017        x-mac-ukrainian        Ukrainian (Mac)
  70. 10021        x-mac-thai        Thai (Mac)
  71. 10029        x-mac-ce        MAC Latin 2; Central European (Mac)
  72. 10079        x-mac-icelandic        Icelandic (Mac)
  73. 10081        x-mac-turkish        Turkish (Mac)
  74. 10082        x-mac-croatian        Croatian (Mac)
  75. 12000        utf-32        Unicode UTF-32, little endian byte order; available only to managed applications
  76. 12001        utf-32BE        Unicode UTF-32, big endian byte order; available only to managed applications
  77. 20000        x-Chinese_CNS        CNS Taiwan; Chinese Traditional (CNS)
  78. 20001        x-cp20001        TCA Taiwan
  79. 20002        x_Chinese-Eten        Eten Taiwan; Chinese Traditional (Eten)
  80. 20003        x-cp20003        IBM5550 Taiwan
  81. 20004        x-cp20004        TeleText Taiwan
  82. 20005        x-cp20005        Wang Taiwan
  83. 20105        x-IA5        IA5 (IRV International Alphabet No. 5, 7-bit); Western European (IA5)
  84. 20106        x-IA5-German        IA5 German (7-bit)
  85. 20107        x-IA5-Swedish        IA5 Swedish (7-bit)
  86. 20108        x-IA5-Norwegian        IA5 Norwegian (7-bit)
  87. 20127        us-ascii        US-ASCII (7-bit)
  88. 20261        x-cp20261        T.61
  89. 20269        x-cp20269        ISO 6937 Non-Spacing Accent
  90. 20273        IBM273        IBM EBCDIC Germany
  91. 20277        IBM277        IBM EBCDIC Denmark-Norway
  92. 20278        IBM278        IBM EBCDIC Finland-Sweden
  93. 20280        IBM280        IBM EBCDIC Italy
  94. 20284        IBM284        IBM EBCDIC Latin America-Spain
  95. 20285        IBM285        IBM EBCDIC United Kingdom
  96. 20290        IBM290        IBM EBCDIC Japanese Katakana Extended
  97. 20297        IBM297        IBM EBCDIC France
  98. 20420        IBM420        IBM EBCDIC Arabic
  99. 20423        IBM423        IBM EBCDIC Greek
  100. 20424        IBM424        IBM EBCDIC Hebrew
  101. 20833        x-EBCDIC-KoreanExtended        IBM EBCDIC Korean Extended
  102. 20838        IBM-Thai        IBM EBCDIC Thai
  103. 20866        koi8-r        Russian (KOI8-R); Cyrillic (KOI8-R)
  104. 20871        IBM871        IBM EBCDIC Icelandic
  105. 20880        IBM880        IBM EBCDIC Cyrillic Russian
  106. 20905        IBM905        IBM EBCDIC Turkish
  107. 20924        IBM00924        IBM EBCDIC Latin 1/Open System (1047 + Euro symbol)
  108. 20932        EUC-JP        Japanese (JIS 0208-1990 and 0212-1990)
  109. 20936        x-cp20936        Simplified Chinese (GB2312); Chinese Simplified (GB2312-80)
  110. 20949        x-cp20949        Korean Wansung
  111. 21025        cp1025        IBM EBCDIC Cyrillic Serbian-Bulgarian
  112. 21027                (deprecated)
  113. 21866        koi8-u        Ukrainian (KOI8-U); Cyrillic (KOI8-U)
  114. 28591        iso-8859-1        ISO 8859-1 Latin 1; Western European (ISO)
  115. 28592        iso-8859-2        ISO 8859-2 Central European; Central European (ISO)
  116. 28593        iso-8859-3        ISO 8859-3 Latin 3
  117. 28594        iso-8859-4        ISO 8859-4 Baltic
  118. 28595        iso-8859-5        ISO 8859-5 Cyrillic
  119. 28596        iso-8859-6        ISO 8859-6 Arabic
  120. 28597        iso-8859-7        ISO 8859-7 Greek
  121. 28598        iso-8859-8        ISO 8859-8 Hebrew; Hebrew (ISO-Visual)
  122. 28599        iso-8859-9        ISO 8859-9 Turkish
  123. 28603        iso-8859-13        ISO 8859-13 Estonian
  124. 28605        iso-8859-15        ISO 8859-15 Latin 9
  125. 29001        x-Europa        Europa 3
  126. 38598        iso-8859-8-i        ISO 8859-8 Hebrew; Hebrew (ISO-Logical)
  127. 50220        iso-2022-jp        ISO 2022 Japanese with no halfwidth Katakana; Japanese (JIS)
  128. 50221        csISO2022JP        ISO 2022 Japanese with halfwidth Katakana; Japanese (JIS-Allow 1 byte Kana)
  129. 50222        iso-2022-jp        ISO 2022 Japanese JIS X 0201-1989; Japanese (JIS-Allow 1 byte Kana - SO/SI)
  130. 50225        iso-2022-kr        ISO 2022 Korean
  131. 50227        x-cp50227        ISO 2022 Simplified Chinese; Chinese Simplified (ISO 2022)
  132. 50229                ISO 2022 Traditional Chinese
  133. 50930                EBCDIC Japanese (Katakana) Extended
  134. 50931                EBCDIC US-Canada and Japanese
  135. 50933                EBCDIC Korean Extended and Korean
  136. 50935                EBCDIC Simplified Chinese Extended and Simplified Chinese
  137. 50936                EBCDIC Simplified Chinese
  138. 50937                EBCDIC US-Canada and Traditional Chinese
  139. 50939                EBCDIC Japanese (Latin) Extended and Japanese
  140. 51932        euc-jp        EUC Japanese
  141. 51936        EUC-CN        EUC Simplified Chinese; Chinese Simplified (EUC)
  142. 51949        euc-kr        EUC Korean
  143. 51950                EUC Traditional Chinese
  144. 52936        hz-gb-2312        HZ-GB2312 Simplified Chinese; Chinese Simplified (HZ)
  145. 54936        GB18030        Windows XP and later: GB18030 Simplified Chinese (4 byte); Chinese Simplified (GB18030)
  146. 57002        x-iscii-de        ISCII Devanagari
  147. 57003        x-iscii-be        ISCII Bengali
  148. 57004        x-iscii-ta        ISCII Tamil
  149. 57005        x-iscii-te        ISCII Telugu
  150. 57006        x-iscii-as        ISCII Assamese
  151. 57007        x-iscii-or        ISCII Oriya
  152. 57008        x-iscii-ka        ISCII Kannada
  153. 57009        x-iscii-ma        ISCII Malayalam
  154. 57010        x-iscii-gu        ISCII Gujarati
  155. 57011        x-iscii-pa        ISCII Punjabi
  156. 65000        utf-7        Unicode (UTF-7)
  157. 65001        utf-8        Unicode (UTF-8)
复制代码
回复

举报

lqh123108
 楼主| 发表于 2014-11-4 11:00:51 | 显示全部楼层
非常感谢，我的程序的目的是，下载网页内容，只要支持ANSI的字符一律保存到ANSI文本，不支持的（如仅支持UNICODE）一律删除
回复

举报

lqh123108
 楼主| 发表于 2014-11-4 11:05:40 | 显示全部楼层
另外，我查了许多资料，网页的字符是不是可变字节的UNICODE字符，即a是一个字节的字符，汉字“中”是二个字节的字符。。。 而默认的ANSI（XP，简体中文）我估计是能包括ANSI-1 ANSI-2 GB2312 等一些字编码的字符 唯一不包括的是那些三个字节或四个字节的UNICODE字符，这样理解对吗/
回复

举报

yu2n
发表于 2014-11-4 11:20:13 | 显示全部楼层
回复 3# lqh123108

简体中文系统ANSICodePage
936        gb2312        ANSI/OEM Simplified Chinese (PRC, Singapore); Chinese Simplified (GB2312)


以简体中文系统为例：
使用FOR遍历字符串，截取单个字符，然后遍历gb2312字符集查找该字符，不存在则……
回复

举报

yu2n
发表于 2014-11-4 14:13:14 | 显示全部楼层
我找到了一些简体gb2321/gbk中不存在的字符：
  1. ￠￡￥ˉ′μàáèéêìíòóùúüāēěīōū∥ǎǐǒǔǖǘǚǜ￣°～一二三四上中下甲乙丙丁天地人月火水木金土日有社名特财祝劳代呼学监企资协祭休自至一二三四五六七八九十月火水木金土日株有社名特财祝劳秘男女适优注项休写医宗学监企资协夜豈更車賈滑串句龜龜契金喇奈懶癩羅蘿螺裸邏樂洛烙珞落酪駱亂卵欄爛蘭鸞嵐濫藍襤拉臘蠟廊朗浪狼來冷勞擄櫓爐盧老蘆虜路露魯鷺碌祿綠菉錄鹿論壟弄籠聾牢磊賂雷壘屢樓淚漏累縷陋勒肋凜凌稜綾菱陵讀拏樂諾丹寧怒率異北磻便復不泌數索參塞省葉說殺辰沈拾若掠略亮兩梁糧良諒量勵呂女廬旅濾礪閭驪麗黎力曆歷轢年憐戀撚漣煉璉練聯輦蓮連鍊列劣咽烈裂說廉念捻殮簾獵令囹寧嶺怜玲瑩羚聆鈴零靈領例禮醴隸惡了僚寮尿料樂燎療蓼遼龍暈阮劉杻柳流溜琉留硫紐類六戮陸倫崙淪輪律慄栗率隆利吏履易李梨泥理痢罹裡里離匿溺吝燐璘藺鱗麟林淋臨立笠粒狀炙識什茶刺切度拓糖宅洞暴輻行降見廓塚晴凞豬益神祥福靖精羽諸逸都飯飼館鶴
复制代码
----好像论坛数据库显示不了，做了转码。很多文字显示是假的，试试以下代码：
  1. ' asc.vbs --- Asc 与 AscW 对比
  2. ' 这个算法很慢，i3 2100处理器耗时 296 秒。
  3. ' 如果用记事本打开生成的文本(asc.vbs.txt)乱码，要修改记事本字体：“格式”菜单 -> 字体 -> 选择“宋体”

  5. dt_star = Now()

  7. For i = 1 To 65535
  8.         If CLng("&H" & Hex(Asc(ChrW(i)))) < -32768 Or CLng("&H" & Hex(Asc(ChrW(i)))) > 32767 Then
  9.                 IS_FIND = False
  10.                 For j = -32768 To 32767
  11.                         If ChrW(i) = Chr(j) Then IS_FIND = True :Exit For
  12.                 Next
  13.                 If IS_FIND = False Then
  14.                         strTxt = strTxt & ChrW(i)
  15.                         strVbs = strVbs & " & ChrW(" & i & ")"
  16.                 End If
  17.         End If
  18. Next

  20. Set fso = CreateObject("Scripting.filesystemobject")
  21. set wTxt = fso.OpenTextFile(WScript.ScriptName & ".log", 2, True, -1)
  22. wTxt.Write strTxt
  23. wTxt.Close

  25. strVbs = "WScript.Echo """" " & strVbs
  26. set wVbs = fso.OpenTextFile(WScript.ScriptName & ".log.vbs", 2, True, -1)
  27. wVbs.Write strVbs
  28. wVbs.Close

  30. WScript.Echo "Asc与AscW对比完成，耗时 " & DateDiff("s", dt_star, Now()) & "秒。"
  31. WScript.Echo strTxt
  32. WScript.Echo strVbs
复制代码
回复

举报

lqh123108
 楼主| 发表于 2014-11-7 11:16:03 | 显示全部楼层
回复 5# yu2n

谢了
我发现不支持ANSI的UNICODE字符，如是四个字节的，使用for x=1 to len(str) vstr=mid(str,x,1)取某个字符时会出错，即把四个字节的人为分开了，当成二个字符来处理；
另外，GB2312字符集是不是实际上包含了ANSI等
还有这个字符集，在哪找到？/
回复

举报

lqh123108
 楼主| 发表于 2014-11-7 11:18:46 | 显示全部楼层
本帖最后由 lqh123108 于 2014-11-7 12:17 编辑

回复 6# yu2n


能解释一下这些代码的意思？
回复

举报

yu2n
发表于 2014-11-7 17:10:04 | 显示全部楼层
回复 8# lqh123108
大致是对比asc,ascw对应的chr,chrw函数的取值范围。
也是系统页码与Unicode字符集的差异。
我这方面很浅薄，请教其他人吧。
回复

举报

lqh123108
 楼主| 发表于 2014-11-15 16:56:16 | 显示全部楼层
回复 9# yu2n


    非常感谢
回复

举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则

Archiver|手机版|小黑屋|批处理之家 ( 渝ICP备10000708号 )

GMT+8, 2026-3-17 14:24 , Processed in 0.022988 second(s), 8 queries , File On.

Powered by Discuz! X3.5

© 2001-2026 Discuz! Team.

快速回复 返回顶部 返回列表