《UTF-8与GB2312之间的互换》

最近，在做一个小程序的时候，突然遇到了汉字编码转换问题。关于如何在UTF-8与GB2312之间转换的问题。在VC知识库里看到吴康彬的文章《UTF-8与GB2312之间的互换》，文章浅显易懂，代码也不长。省了我不少的找资料的时间。在此谢谢了。 ：）

在看代码的过程中，吴康彬用了许多字符串的转换，来进行2进制的运算，这就涉及到大量的IO操作，效率肯定比较低。而且编码转换的工作量往往非常大，因此效率问题很重要。而且，代码里，有许多，内存泄漏问题，可能是作者过于重视实现，没有注意这些细节问题。

闲话少说，开始正题。在UTF-8,与UNICODE之间转换的时候，用二进制运算，代替了字符串的转换。UTF-8一个汉字，用3个字节，而UNICODE用2个字节；对应关系如下：

1. UTF-8编码：
2.       [1,1,1,0,A5,A6,A7,A8],    [1,0,B3,B4,B5,B6,B7,B8],
3.       [1,0,C3,C4,C5,C6,C7,C8];

对应的UNICODE编码：

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

因此我们只需进行位操作，即可达到目的；如：

01.       // 把UTF-8转换成Unicode
02.       void CChineseCodeLib::UTF_8ToUnicode(WCHAR* pOut,char *pText)
03.       {
04.          char* uchar = (char *)pOut;
05.
06.          uchar[1] = ((pText[0] & 0x0F) << 4) + ((pText[1] >> 2) & 0x0F);
07.          uchar[0] = ((pText[1] & 0x03) << 6) + (pText[2] & 0x3F);
08.
09.          return;
10.       }

01. // Unicode 转换成UTF-8
02. void CChineseCodeLib::UnicodeToUTF_8(char* pOut,WCHAR* pText)
03. {
04.      // 注意 WCHAR高低字的顺序,低字节在前，高字节在后
05.      char* pchar = (char *)pText;
06.      pOut[0] = (0xE0 | ((pchar[1] & 0xF0) >> 4));
07.      pOut[1] = (0x80 | ((pchar[1] & 0x0F) << 2)) + ((pchar[0] & 0xC0) >> 6);
08.      pOut[2] = (0x80 | (pchar[0] & 0x3F));
09.      return;
10. }

1. // 把Unicode 转换成 GB2312
2. void CChineseCodeLib::UnicodeToGB2312(char* pOut,unsigned short uData)
3. {
4.     WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);
5.     return;
6. }

1. // GB2312 转换成　Unicode
2. void CChineseCodeLib::Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer)
3. {
4.     ::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);
5.     return;
6. }

01. //GB2312 转为 UTF-8
02. void CChineseCodeLib::GB2312ToUTF_8(string& pOut,char *pText, int pLen)
03. {
04.       char buf[4];
05.       char* rst = new char[pLen + (pLen >> 2) + 2];
06.
07.       memset(buf,0,4);
08.       memset(rst,0,pLen + (pLen >> 2) + 2);
09.
10.       int i = 0;
11.       int j = 0;
12.       while(i < pLen)
13.       {
14.               //如果是英文直接复制就可以
15.               if( *(pText + i) >= 0)
16.               {
17.                       rst[j++] = pText[i++];
18.               }
19.               else
20.               {
21.                       WCHAR pbuffer;
22.                       Gb2312ToUnicode(&pbuffer,pText+i);
23.
24.                       UnicodeToUTF_8(buf,&pbuffer);
25.
26.                       unsigned short int tmp = 0;
27.                       tmp = rst[j] = buf[0];
28.                       tmp = rst[j+1] = buf[1];
29.                       tmp = rst[j+2] = buf[2];
30.
31.
32.                       j += 3;
33.                       i += 2;
34.               }
35.       }
36.       rst[j] = ''\0'';
37.       //返回结果
38.       pOut = rst;
39.       delete []rst;
40.
41.       return;
42. }

01. //UTF-8 转为 GB2312
02. void CChineseCodeLib::UTF_8ToGB2312(string &pOut, char *pText, int pLen)
03. {
04.     char * newBuf = new char[pLen];
05.     char Ctemp[4];
06.     memset(Ctemp,0,4);
07.     int i =0;
08.     int j = 0;
09.
10.     while(i < pLen)
11.     {
12.            if(pText[i] > 0)
13.            {
14.                    newBuf[j++] = pText[i++];
15.            }
16.            else
17.            {
18.                    WCHAR Wtemp;
19.                    UTF_8ToUnicode(&Wtemp,pText + i);
20.
21.                    UnicodeToGB2312(Ctemp,Wtemp);
22.
23.                    newBuf[j] = Ctemp[0];
24.                    newBuf[j + 1] = Ctemp[1];
25.                    i += 3;
26.                    j += 2;
27.            }
28.     }
29.     newBuf[j] = ''\0'';
30.
31.     pOut = newBuf;
32.     delete []newBuf;
33.
34.     return;
35. }

代码在WIN2K,VC++60 下编译，测试通过. 就说这么多吧，具体的大家看代码吧。草草的写的，大家莫笑，欢迎大家一起讨论； 觉觉罗。。。。

http://www.vckbase.com/index.php/wv/1163