纯C实现unicode-utf8互转

来源:互联网 发布:纽约大学 知乎 编辑:程序博客网 时间:2024/05/21 10:55


http://www.cnblogs.com/nadoo/archive/2009/10/13/1582461.html


/************************************************************************/
/*  Author: NadOo (nadoo@21cn.com)
    Blog:
            
http://nadoo.cnblogs.com
    Reference: 
            
http://blog.csdn.net/lovekatherine/archive/2007/08/30/1765903.aspx
    Testing Tool: 
            
http://www.hanzify.org/?Go=Show::List&ID=9627
*/
/************************************************************************/
#include 
<stdio.h>
#include 
<string.h>
#include 
<malloc.h>
#include 
<memory.h>

#ifdef WIN32
#define uint8_t  unsigned __int8
#define uint16_t unsigned __int16
#define uint32_t unsigned __int32
#define uint64_t unsigned __int64

#define int8_t  __int8
#define int16_t __int16
#define int32_t __int32
#endif

int unicode_to_utf8(uint16_t *inint insize, uint8_t **out)
{
    
int i = 0;
    
int outsize = 0;
    
int charscount = 0;
    uint8_t 
*result = NULL;
    uint8_t 
*tmp = NULL;

    charscount 
= insize / sizeof(uint16_t);
    result 
= (uint8_t *)malloc(charscount * 3 + 1);
    memset(result, 
0, charscount * 3 + 1);
    tmp 
= result;

    
for (i = 0; i < charscount; i++)
    {
        uint16_t unicode 
= in[i];
        
        
if (unicode >= 0x0000 && unicode <= 0x007f)
        {
            
*tmp = (uint8_t)unicode;
            tmp 
+= 1;
            outsize 
+= 1;
        }
        
else if (unicode >= 0x0080 && unicode <= 0x07ff)
        {
            
*tmp = 0xc0 | (unicode >> 6);
            tmp 
+= 1;
            
*tmp = 0x80 | (unicode & (0xff >> 2));
            tmp 
+= 1;
            outsize 
+= 2;
        }
        
else if (unicode >= 0x0800 && unicode <= 0xffff)
        {
            
*tmp = 0xe0 | (unicode >> 12);
            tmp 
+= 1;
            
*tmp = 0x80 | (unicode >> 6 & 0x00ff);
            tmp 
+= 1;
            
*tmp = 0x80 | (unicode & (0xff >> 2));
            tmp 
+= 1;
            outsize 
+= 3;
        }

    }

    
*tmp = '\0';
    
*out = result;
    
return 0;
}

int utf8_to_unicode(uint8_t *in, uint16_t **outint *outsize)
{
    uint8_t 
*= in;
    uint16_t 
*result = NULL;
    
int resultsize = 0;
    uint8_t 
*tmp = NULL;

    result 
= (uint16_t *)malloc(strlen(in* 2 + 2); /* should be enough */
    memset(result, 
0, strlen(in* 2 + 2);
    tmp 
= (uint8_t *)result;

    
while(*p)
    {
        
if (*>= 0x00 && *<= 0x7f)
        {
            
*tmp = *p;
            tmp
++;
            
*tmp = '\0';
            resultsize 
+= 2;
        }
        
else if ((*& (0xff << 5))== 0xc0)
        {
            uint16_t t 
= 0;
            uint8_t t1 
= 0;
            uint8_t t2 
= 0;

            t1 
= *& (0xff >> 3);
            p
++;
            t2 
= *& (0xff >> 2);

            
*tmp = t2 | ((t1 & (0xff >> 6)) << 6);//t1 >> 2;
            tmp++;

            
*tmp = t1 >> 2;//t2 | ((t1 & (0xff >> 6)) << 6);
            tmp++;

            resultsize 
+= 2;
        }
        
else if ((*& (0xff << 4))== 0xe0)
        {
            uint16_t t 
= 0;
            uint8_t t1 
= 0;
            uint8_t t2 
= 0;
            uint8_t t3 
= 0;

            t1 
= *& (0xff >> 3);
            p
++;
            t2 
= *& (0xff >> 2);
            p
++;
            t3 
= *& (0xff >> 2);

            
//Little Endian
            *tmp = ((t2 & (0xff >> 6)) << 6| t3;//(t1 << 4) | (t2 >> 2);
            tmp++;

            
*tmp = (t1 << 4| (t2 >> 2);//((t2 & (0xff >> 6)) << 6) | t3;
            tmp++;
            resultsize 
+= 2;
        }

        p
++;
    }

    
*tmp = '\0';
    tmp
++;
    
*tmp = '\0';
    resultsize 
+= 2;

    
*out = result;
    
*outsize = resultsize; 
    
return 0;
}

void dump_utf8(uint8_t *utf8)
{
    uint8_t 
*= utf8;

    
while(*p)
    {
        printf(
"%02X"*p);
        p
++;
    }
    putchar(
'\n');
}

void dump_unicode(uint16_t *utf16, int size)
{
    uint8_t 
*= (uint8_t *)utf16;
    
int i = 0;

    
for (i = 0; i < size; i++)
    {
        printf(
"%02X"*p);
        p
++;
    }
    putchar(
'\n');
}

int main()
{
    uint16_t unicode[] 
= L"中文";
    uint8_t 
*utf8 = NULL;

    
int unisize = 0;
    uint16_t 
*uni = NULL;

    printf(
"original unicode: \n");
    dump_unicode(unicode, 
sizeof(unicode));
    
    printf(
"converted to utf8: \n");
    unicode_to_utf8(unicode, 
sizeof(unicode), &utf8);
    dump_utf8(utf8);

    printf(
"converted to unicode: \n");
    utf8_to_unicode(utf8, 
&uni, &unisize);
    dump_unicode(uni, unisize);

    free(utf8);
    free(uni);

    
return 0;
}

复制代码



输出结果:
original unicode:
4E2D6587
converted to utf8:
E2B58EE89DA5
converted to unicode:
4E2D65870000

0 0
原创粉丝点击