C++Unicode转十六进制代码中*pc & 0x80的含义是什么？

1. 运算的字面含义 #

• 0x80是十六进制常量，对应8位二进制值为10000000，即8位字节的最高位为1，其余位为0
• &是C++按位与运算符，只有两个操作数对应比特位均为1时，结果对应比特位才为1
• 因此*pc & 0x80的作用是检测当前字符指针指向的8位字节的最高位是否为1：运算结果非0则最高位为1，为0则最高位为0

2. 该判断在代码中的业务作用 #

这段代码是针对UTF-8编码的字符串设计的，UTF-8编码规则天然适配这个判断逻辑：

UTF-8是变长编码：

• 单字节ASCII字符的编码最高位固定为0，格式为0xxxxxxx，对应十进制范围0~127
• 多字节Unicode字符的每一个编码字节最高位固定为1，比如2字节字符首字节格式为110xxxxx，后续字节格式为10xxxxxx，所有字节最高位均为1

这个判断就是用来区分当前字节是ASCII单字节字符，还是多字节Unicode字符的组成字节。

3. 配套分支逻辑的设计原因 #

大部分编译器默认char是有符号8位整数，取值范围为-128~127：

• 如果字节最高位为1，有符号char会被解析为负数，直接输出十六进制会得到带高位补f的错误结果（比如0xffffffc4），不符合单字节编码输出的需求
• 因此判断到最高位为1时，执行*pc & 0xff运算，相当于将有符号char隐式转换为无符号8位整数，输出就会得到正确的单字节十六进制值
• 如果最高位为0，说明是ASCII字符，不存在符号问题，直接输出即可

4. 示例运行说明 #

你示例中调用传入的"đ"是Unicode字符，UTF-8编码为2字节0xC4 0x91，两个字节最高位均为1，因此输出结果为0xc4 0x91，符合Unicode字符拆解为十六进制编码的需求。

内容的提问来源于stack exchange，提问作者Mahith Samaraweera