程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> C語言 >> VC >> vc教程 >> 《UTF-8與GB2312之間的互換》的改進

《UTF-8與GB2312之間的互換》的改進

編輯:vc教程

最近,在做一個小程序的時候,突然遇到了漢字編碼轉換問題。關於如何在UTF-8與GB2312之間轉換的問題。在VC知識庫裡看到吳康彬的文章《UTF-8與GB2312之間的互換》,文章淺顯易懂,代碼也不長。省了我不少的找資料的時間。在此謝謝了。 :)

在看代碼的過程中,吳康彬用了許多字符串的轉換,來進行2進制的運算,這就涉及到大量的IO操作,效率肯定比較低。而且編碼轉換的工作量往往非常大,因此效率問題很重要。而且,代碼裡,有許多,內存洩漏問題,可能是作者過於重視實現,沒有注意這些細節問題。

閒話少說,開始正題。在UTF-8,與UNICODE之間轉換的時候,用二進制運算,代替了字符串的轉換。UTF-8一個漢字,用3個字節,而UNICODE用2個字節;對應關系如下:

UTF-8編碼:
[1,1,1,0,A5,A6,A7,A8],  [1,0,B3,B4,B5,B6,B7,B8],
[1,0,C3,C4,C5,C6,C7,C8];

對應的UNICODE編碼:

[A5,A6,A7,A8,B3,B4,B5,B6],
   [B7,B8,C3,C4,C5,C6,C7,C8]

因此我們只需進行位操作,即可達到目的;如:

// 把UTF-8轉換成Unicode
   void CChineseCodeLib::UTF_8ToUnicode(WCHAR* pOut,char *pText)
   {
      char* uchar = (char *)pOut;

      uchar[1] = ((pText[0] & 0x0F) << 4) + ((pText[1] >> 2) & 0x0F);
      uchar[0] = ((pText[1] & 0x03) << 6) + (pText[2] & 0x3F);

      return;
   }
   // Unicode 轉換成UTF-8
   void CChineseCodeLib::UnicodeToUTF_8(char* pOut,WCHAR* pText)
   {
     // 注意 WCHAR高低字的順序,低字節在前,高字節在後
     char* pchar = (char *)pText;
     pOut[0] = (0xE0 | ((pchar[1] & 0xF0) >> 4));
     pOut[1] = (0x80 | ((pchar[1] & 0x0F) << 2)) + ((pchar[0] & 0xC0) >> 6);
     pOut[2] = (0x80 | (pchar[0] & 0x3F));

     return;
   }

   // 把Unicode 轉換成 GB2312
   void CChineseCodeLib::UnicodeToGB2312(char* pOut,unsigned short uData)
   {
     WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);
     return;
   }

   // GB2312 轉換成 Unicode
   void CChineseCodeLib::Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer)
   {
     ::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);
     return;
   }

   //GB2312 轉為 UTF-8
   void CChineseCodeLib::GB2312ToUTF_8(string& pOut,char *pText, int pLen)
   {
      char buf[4];
      char* rst = new char[pLen + (pLen >> 2) + 2];

      memset(buf,0,4);
      memset(rst,0,pLen + (pLen >> 2) + 2);

      int i = 0;
      int j = 0;
      while(i < pLen)
      {
          //如果是英文直接復制就可以
          if( *(pText + i) >= 0)
          {
              rst[j++] = pText[i++];
          }
          else
          {
              WCHAR pbuffer;
              Gb2312ToUnicode(&pbuffer,pText+i);

              UnicodeToUTF_8(buf,&pbuffer);

              unsigned short int tmp = 0;
              tmp = rst[j] = buf[0];
              tmp = rst[j+1] = buf[1];
              tmp = rst[j+2] = buf[2];

             
              j += 3;
              i += 2;
          }
      }
      rst[j] = ''\0'';

      //返回結果
      pOut = rst;
      delete []rst;

      return;
   }

   //UTF-8 轉為 GB2312
   void CChineseCodeLib::UTF_8ToGB2312(string &pOut, char *pText, int pLen)
   {
     char * newBuf = new char[pLen];
     char Ctemp[4];
     memset(Ctemp,0,4);
     int i =0;
     int j = 0;

     while(i < pLen)
     {
        if(pText[i] > 0)
        {
            newBuf[j++] = pText[i++];
        }
        else
        {
            WCHAR Wtemp;
            UTF_8ToUnicode(&Wtemp,pText + i);

            UnicodeToGB2312(Ctemp,Wtemp);

            newBuf[j] = Ctemp[0];
            newBuf[j + 1] = Ctemp[1];
            i += 3;
            j += 2;
        }
     }
     newBuf[j] = ''\0'';

     pOut = newBuf;
     delete []newBuf;

     return;
   }

代碼在WIN2K,VC++60 下編譯,測試通過. 就說這麼多吧,具體的大家看代碼吧。草草的寫的,大家莫笑,歡迎大家一起討論; 覺覺羅。。。。

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved