UTF8编码字符串转换成Unicode编码字符串算法

UTF8编码字符串转换成Unicode编码字符串算法:



/************************************************************************************************* 
 * 将UTF8编码转换成Unicode(UCS-2)编码 
 * 参数: 
 *    char* pInput  指向输入字符串(以'/0'结尾)的指针  
 *    char** ppOutput 指向输出字符串指针的指针 
 * 返回值: 
 *    返回转换后的Unicode字符串的字节数,如果出错则返回-1 
 * 注意: 
 *     1. UTF8没有字节序问题,但是Unicode字符有字节序, 
 *        字节序分为大端(Big Endian)和小端(Little Endian)两种, 
 *        在Intel处理器中采用小端法表示,因此本例中采用小端法表示。(低地址存低位) 
 *     2. 在调用本函数后需要手动释放 *ppOutput 指向的内存,否则将会造成内存泄漏。 
 **************************************************************************************************/  
int utf8_to_unicode(char* pInput, char** ppOutput)  
{  
    int outputSize = 0; //记录转换后的Unicode字符串的字节数  
    *ppOutput = (char *)malloc(strlen(pInput) * 2);  //为输出字符串分配足够大的内存空间  
    memset(*ppOutput, 0, strlen(pInput) * 2);  
    char *tmp = *ppOutput; //临时变量,用于遍历输出字符串  
   
    while (*pInput)  
    {  
        if (*pInput > 0x00 && *pInput <= 0x7F) //处理单字节UTF8字符(英文字母、数字)  
        {  
            *tmp = *pInput;  
            tmp++;  
            *tmp = 0; //小端法表示,在高地址填补0  
        }  
        else if (((*pInput) & 0xE0) == 0xC0) //处理双字节UTF8字符  
        {  
            char high = *pInput;  
            pInput++;  
            char low = *pInput;  
            if ((low & 0xC0) != 0x80)  //检查是否为合法的UTF8字符表示  
            {  
                return -1; //如果不是则报错  
            }  
     
            *tmp = (high << 6) + (low & 0x3F);  
            tmp++;  
            *tmp = (high >> 2) & 0x07;  
        }  
        else if (((*pInput) & 0xF0) == 0xE0) //处理三字节UTF8字符  
        {  
            char high = *pInput;  
            pInput++;  
            char middle = *pInput;  
            pInput++;  
            char low = *pInput;  
            if (((middle & 0xC0) != 0x80) || ((low & 0xC0) != 0x80))  
            {  
                return -1;  
            }  
            *tmp = (middle << 6) + (low & 0x7F);  
            tmp++;  
            *tmp = (high << 4) + ((middle >> 2) & 0x0F);   
        }  
        else //对于其他字节数的UTF8字符不进行处理  
        {  
            return -1;  
        }  
        pInput ++;  
        tmp ++;  
        outputSize += 2;  
    }  
    *tmp = 0;  
    tmp++;  
    *tmp = 0;  
    return outputSize;  
}  
   
//一个调用示例  
int main(int argc, char** argv)  
{  
    //汉字“我”的UTF8编码是 E6 88 91,Unicode编码是 62 11  
    char str[4] = {(char)0xE6, (char)0x88, (char)0x91, (char)0x00};   
    char* uni = NULL;  
    int num = utf8_to_unicode(str, &uni);  
    if (num == -1)  
    {  
        printf("Error!/n");  
    }  
    else  
    {  
        char* p = uni;  
        for (int i = 0; i < num; i++)  
        {  
            printf("%02X", *p);  
            p++;  
        }  
        printf("/n");  
    }  
    free(uni); //释放内存  
    return 0;  
}  

转载自:http://blog.csdn.net/rrrfff/article/details/6076205

你可能感兴趣的:(UTF8编码字符串转换成Unicode编码字符串算法)