ASCII码，Unicode以及国标码

今天同事遇到一个问题问我，是关于以下代码中if ((unsigned char) ptr[0] & 0x80) 的意义在哪里？为啥要加这个判断？

int ah_str2lowcase(const char *raw_str, char *low_str, int max_len)
{
    char *ptr = low_str;

    strncpy(low_str, raw_str, max_len);
    low_str[max_len] = '\0';
    while (*ptr){

        if ((unsigned char) ptr[0] & 0x80) ///---------------这个判断的意义？
            return 0;
        *ptr = tolower((unsigned char) *ptr);
        ptr++;
    }

    return 0;

}

为了解释这个问题，必须要了解几种编码格式：
1.ASCII码
ASCII码(American Standard Code For Information Interchange,美国标准信息交换码)，由美国国家标准局指定，目前计算机中用得最广泛的字符集及其编码。ASCII码有7位码和8位码两种形式。
7位ASCII码是用7位二进制数进行编码的，可以表示128个字符，就构成了如下表：

由表可看出最高位均为0，我们称之为“标准ASCII码”；
英语用128个符号编码就够了，但是用来表示其它语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用128位ASCII码表示，于是，一些欧洲国家就决定，利用字节闲置的最高位编入新的符号，这样一来，就可以表示最多256个符号了。
将最高位置1，我们又得到了128个字符，称之为“扩展ASCII码”，表如图：

2.Unicode
为了统一各国自己定义的编码，Unicode产生了，它用两个字节来尝试覆盖各国编码语言。事实上，Unicode对汉字的支持不是很好，简体加繁体总共有六七万个汉字，而2个字节的Unicode最多能表示65536个，才6万多个，所以Unicode只能排除一些几乎不能用的汉字，好在常用的汉字也就7000多个。
3.国标码
我国用来表示汉字的编码方式。

4.汉字对应的国标码和Unicode

汉字

国标码

Unicode

国

B9FA

56FD

标

B1EA

6807

码

C2EB

7801

5.实例

#include <unistd.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <ctype.h>

int ah_str2lowcase(const char *raw_str, char *low_str, int max_len)
{
    char *ptr = low_str;

    strncpy(low_str, raw_str, max_len);
    low_str[max_len] = '\0';

    while (*ptr){
        printf("ptr[0]=%x\n",(unsigned char)ptr[0]);
        if ((unsigned char) ptr[0] & 0x80)
            return 0;
        *ptr = tolower((unsigned char) *ptr);
        ptr++;
    }

    return 0;

}

int main(int argc, char *argv[])
{
    char raw_str[10] = "国标码";
    char low_str[10];

    ah_str2lowcase(raw_str,low_str,10);

    printf("low_str = %s\n",low_str);
    return 0;
}

编译运行：
[e-mail]:~/test>gcc -g  str2lowcase.c -o str2lowcase -Wall
[e-mail]:~/test>./str2lowcase 
ptr[0]=b9
low_str = 国标码

去掉if判断：

#include <unistd.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <ctype.h>

int ah_str2lowcase(const char *raw_str, char *low_str, int max_len)
{
    char *ptr = low_str;

    strncpy(low_str, raw_str, max_len);
    low_str[max_len] = '\0';
    while (*ptr){
        printf("ptr[0]=%x\n",(unsigned char)ptr[0]);
        //if ((unsigned char) ptr[0] & 0x80)
        // return 0;
        *ptr = tolower((unsigned char) *ptr);
        ptr++;
    }

    return 0;

}

int main(int argc, char *argv[])
{
    char raw_str[10] = "国标码";
    char low_str[10];

    ah_str2lowcase(raw_str,low_str,10);

    printf("low_str = %s\n",low_str);
    return 0;
}

编译运行：
[e-mail]:~/test>gcc -g  str2lowcase.c -o str2lowcase -Wall
[e-mail]:~/test>./str2lowcase 
ptr[0]=b9
ptr[0]=fa
ptr[0]=b1
ptr[0]=ea
ptr[0]=c2
ptr[0]=eb
low_str = 国标码

6.解释原始问题
  

        if ((unsigned char) ptr[0] & 0x80) ///---------------这个判断的意义？
            return 0;

这个判断的意义是：因为有大小写的字母都小于127，就是正常的ASCII内，所有增加了这个判断，当字符大于ASCII码的时候就返回。其实tolower API函数本身就应该有这个功能，所以其实这个判断个人认为是多余的。如果有组合的字符出现，即某一个为大于127的字符，后面跟着A-Z的某一个时，会因为return导致后面的字符没有变成小写的。