学步园

Latex 书签中文乱码解决方案

作者：playerc

本文链接：http://www.cnblogs.com/playerc/archive/2013/05/20/latex_utf8_bookmark_c.html

最近使用 pdflatex 写文档的时候，发现 utf8 书签中文出现乱码，网上搜索，发现一个有价值的解决方案。

他使用一个 python 实现的转码方案。下文中简称 方案1

http://www.thinkemb.com/wordpress/?p=260

我就照着写了个 c 语言的。程序的原理在 方案1 中说的很明白，就是  pdflatex 生成含有 书签或目录 的pdf文件时，需要执行两次，第一次先生成一些准备文件，比如  *.out ，这个文件就是储存了书签信息。第二次再根据第一次生成的文件生成 含有书签或目录的 pdf 文件，也就是说，第一次执行时，生成的pdf文件不包含书签或目录。

关于书签乱码的原因，就是当pdf阅读器读取书签时，只能识别 UNICODE 编码，当我们使用的tex文本环境是utf8或gbk 编码时，生成的 *.out 也就使用了 utf8或gbk编码，生成的pdf也同样保留了编码。所以pdf书签中包含的非 ascii 字符就出现乱码了。

这个 转换工具 所做的工作，就是把 *.out 中书签名字符串由 utf8编码转换成unicode 编码。需要用到 utf8 编码知识，和 unicode编码知识。

使用gcc 或 vs 编译后，使用命令行，运行

  utf82uni  <  src.out  > dst .out

src.out 是准备转换的文件，dst.out是转换后的文件。

/**
 * utf82uni.c -- translate bookmark names  in Latex's .out file,Utf8 encoded to Unicode; 
 * compile:　cc -o utf82uni utf82uni.c
 */

#include<stdio.h>

#define UNICODE_PREFIX "\\376\\377"

#define UTF8_MAX_BYTES (6)

#define UTF8_THREE (14)


void init_int_array(int * array, int length){
    while(length>0){
        *(array+(--length)) = 0;
    }
}//eo init_int_array


int main(int argc,char *argv[]){
    int bi;    //byte number    
    int str[UTF8_MAX_BYTES]={0}; //all byte
    int gb[2]={0};
    int i;    

    int is_begin = 0; //is begin translate
    int count_brace = 0; 

    int is_brace_begin = 0;
    int is_brace_end = 0;
    int is_line_end = 0;

    while(!feof(stdin)){
        i=0;

        init_int_array(str,UTF8_MAX_BYTES);

        bi = fread(&str[0],1,1,stdin);

        is_brace_begin =  ((str[0]&0x7f) == '{') ? 1:0;
        is_brace_end =  (str[0]&0x7f) =='}' ? 1:0;
        is_line_end = (str[0]&0x7f)=='\n' ? 1:0;

        if(is_brace_begin||is_brace_end){
            count_brace ++;
        }else if(is_line_end){
            count_brace=0;
        }

        if((count_brace !=3)
                || is_brace_begin 
                ||is_brace_end){
            fwrite(&str[0],bi,1,stdout);
            is_begin = 0;
            continue;
        }
        // count_brace == 3 ,translate Utf8 code to Unicode with \ooo format;        

        if(is_begin == 0){
            printf(UNICODE_PREFIX);
            is_begin = 1;
        }

        if(((str[0]>>4)&0xff)== UTF8_THREE ){
            bi = 3;

            for(i=1; (i< bi) && (!feof(stdin)); i++){
                fread(&str[i], 1, 1, stdin);
            }


            init_int_array(gb, 2);
            /**
             * 1110xxxx , 10 xxxx xx , 10 xxxxxx 
             */

            gb[0] = ((str[0]<<4)&0xF0)|((str[1]>>2)&0x0F);
            gb[1] = ((str[1]<<6)& 0xF0) | ((str[2])& 0x3F);

            printf("\\%03o\\%03o",gb[0],gb[1]);
        }else{
            printf("\\%03o\\%03o",0,(str[0])&0x7f);
        }


    }//eof while
    return 0;
}//eof main