字符串与编码

背景

PM给我下了个需求：下单信息中，如果有全角字符，弹窗提示。接到这个需求之后第一反应是直接把string全部转成半角:

NSString *string;
string = @"测试半角＋ｑｕａｎｊｉａｏ";
NSMutableString *convertedString = [string mutableCopy];
CFStringTransform((CFMutableStringRef)convertedString, NULL, kCFStringTransformFullwidthHalfwidth, false);
NSLog(@"ddc:%@",convertedString);

完美
这时候PM说了：不要给用户转，有风险，让他自己重新填。
第一反应是正则匹配，但是并没有找到适合的正则表达式（也不会写），最终采取的办法是：

- (BOOL)checkHaveFullwidthWithString:(NSString *)inputString {
    NSString *temp =nil;
    for(int i =0; i < [inputString length]; i++)
    {
        temp = [inputString substringWithRange:NSMakeRange(i,1)];
        
        if ([temp lengthOfBytesUsingEncoding:NSUTF8StringEncoding]>1) {
            NSLog(@"第%d个字是:%@，为全角",i+1,temp);
            return YES;
        }
    }
    return NO;
}

什么是全角

最终采取的方法看似曲线救国，并且有局限性（不支持中文），但是反而从根本上解释了全角的含义。

全角是一种电脑字符，且每个全角字符占用两个标准字符（或半角字符）位置。每个普通字符（或半角字符）只占用一字节的空间（一字节有8位，共256个编码空间），而汉语等文字语言的字库量远大于256个，所以改用两个字节来储存。

所以lengthOfBytesUsingEncoding这个方法取出了这个字符的字节长度，长度大于1时，一定是全角。

字符串编码

因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。
由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码。

ASCII之后，为了兼容多国语言，又统一成Unicode编码，但是ASCII编码是1个字节，而Unicode编码通常是2个字节。如果是纯英文文本，Unicode要比ASCII多占用一倍空间。为了解决这个问题，推出了了长度可变的UTF-8：英文字母被编码成1个字节，汉字通常是3个字节。而ASCII实际上可以被看成是UTF-8的一部分，支持UTF-8就一定支持ASCII。