原文链接(http://blog.csdn.net/coollofty/article/details/8058859)
GBK、UTF8、Unicode,这三种编码是一般程序开发,或者各种应用中最常见的三种编码方式了,还不知道基本概念的赶快请教搜索引擎自己科普一下。
本文的目的不是来讲述什么是GBK编码,什么是UTF8编码,他们的编码规则是怎样的这一类的基本概念的文章。本文要讲述的是如何没有系统API辅助的情况下,如何最简单的快速实现这三种编码之间的转换。也许你会说,这有什么意义呢?Windows上、Linux上,我们都有系统API可以进行转换,一个API搞定了。退一步说,还有libiconv可以垫底,何必自己搞?话是这么说没错,但这不等于所有的系统上都有这些编码转换的API,比如Android的NDK开发的时候,编码转换就是一个讨厌的问题,虽然Android自身有带这样的API,但是他没有提供给我们使用,网上的解决方案都存在着或多或少的问题,不是性能不成(通过Java转调,效率太低),就是自己去dl_open
icu库,但是那个函数的名称又很蛋疼。而我们只是需要转换这么3种觉编码而已,搞出iconv来一下就是好几MB的库,真觉得没有必要。总之解决得都很不爽。咱是C++程序员,索性,本着底层开发的原则,自己搞一套吧。
这三种编码的转换,UTF8与Unicode之间是很简单的(这里的Unicode指的是UCS-2),直接贴代码:
- //参数1是UTF8字符串当前位置指针,这里必须要是指针,因为必须要通过第1个字符进行判断才知道一个完整的字符的编码要向后取多少个字符
- //参数2是返回的UCS-2编码的Unicode字符
- inline int UTF82UnicodeOne(const char* utf8, wchar_t& wch)
- {
- //首字符的Ascii码大于0xC0才需要向后判断,否则,就肯定是单个ANSI字符了
- unsigned char firstCh = utf8[0];
- if (firstCh >= 0xC0)
- {
- //根据首字符的高位判断这是几个字母的UTF8编码
- int afters, code;
- if ((firstCh & 0xE0) == 0xC0)
- {
- afters = 2;
- code = firstCh & 0x1F;
- }
- else if ((firstCh & 0xF0) == 0xE0)
- {
- afters = 3;
- code = firstCh & 0xF;
- }
- else if ((firstCh & 0xF8) == 0xF0)
- {
- afters = 4;
- code = firstCh & 0x7;
- }
- else if ((firstCh & 0xFC) == 0xF8)
- {
- afters = 5;
- code = firstCh & 0x3;
- }
- else if ((firstCh & 0xFE) == 0xFC)
- {
- afters = 6;
- code = firstCh & 0x1;
- }
- else
- {
- wch = firstCh;
- return 1;
- }
- //知道了字节数量之后,还需要向后检查一下,如果检查失败,就简单的认为此UTF8编码有问题,或者不是UTF8编码,于是当成一个ANSI来返回处理
- for(int k = 1; k < afters; ++ k)
- {
- if ((utf8[k] & 0xC0) != 0x80)
- {
- //判断失败,不符合UTF8编码的规则,直接当成一个ANSI字符返回
- wch = firstCh;
- return 1;
- }
- code <<= 6;
- code |= (unsigned char)utf8[k] & 0x3F;
- }
- wch = code;
- return afters;
- }
- else
- {
- wch = firstCh;
- }
- return 1;
- }
有了这个函数,那么转换一整个UTF8字符串,就是很简单的一件事情了,下面直接给出了最短的实现:
- //参数1是UTF8编码的字符串
- //参数2是输出的UCS-2的Unicode字符串
- //参数3是参数1字符串的长度
- //使用的时候需要注意参数2所指向的内存块足够用。其实安全的办法是判断一下pUniBuf是否为NULL,如果为NULL则只统计输出长度不写pUniBuf,这样
- //通过两次函数调用就可以计算出实际所需要的Unicode缓存输出长度。当然,更简单的思路是:无论如何转换,UTF8的字符数量不可能比Unicode少,所
- //以可以简单的按照sizeof(wchar_t) * utf8Leng来分配pUniBuf的内存……
- int UTF82Unicode(const char* utf8Buf, wchar_t *pUniBuf, int utf8Leng)
- {
- int i = 0, count = 0;
- while(i < utf8Leng)
- {
- i += UTF82UnicodeOne(utf8Buf + i, pUniBuf[count]);
- count ++;
- }
- return count;
- }
搞定了UTF-8转Unicode之后,反过来搞定Unicode转UTF8也是很容易的,下面直接给出单个Unicode转UTF8编码的函数:
- inline int Unicode2UTF8(unsigned wchar, char *utf8)
- {
- int len = 0;
- if (wchar < 0xC0)
- {
- utf8[len ++] = (char)wchar;
- }
- else if (wchar < 0x800)
- {
- utf8[len ++] = 0xc0 | (wchar >> 6);
- utf8[len ++] = 0x80 | (wchar & 0x3f);
- }
- else if (wchar < 0x10000)
- {
- utf8[len ++] = 0xe0 | (wchar >> 12);
- utf8[len ++] = 0x80 | ((wchar >> 6) & 0x3f);
- utf8[len ++] = 0x80 | (wchar & 0x3f);
- }
- else if (wchar < 0x200000)
- {
- utf8[len ++] = 0xf0 | ((int)wchar >> 18);
- utf8[len ++] = 0x80 | ((wchar >> 12) & 0x3f);
- utf8[len ++] = 0x80 | ((wchar >> 6) & 0x3f);
- utf8[len ++] = 0x80 | (wchar & 0x3f);
- }
- else if (wchar < 0x4000000)
- {