不依赖任何系统API，用c语言实现gbk/utf8/unicode编码转换

转载地址:https://blog.csdn.net/bladeandmaster88/article/details/54837338

汉字'我'

Unicode编码是0x6211       01100010 00010001

UTF8编码是    0xe68891   11100110  10001000 100010001

n	Unicode符号范围 (十六进制)	UTF-8编码方式 (二进制)
1 2 3	0x00 - 0x7F 0x80 - 0x7FF 0x800 - 0xFFFF	0zzzzzzz                                                             110yyyyy 10zzzzzz                                              1110xxxx 10yyyyyy  10zzzzzz
4 5 6	0x10000 - 0x1FFFFF 0x200000 - 0x3FFFFFF 0x4000000 - 0x7FFFFFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx                111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

一、Unicode转utf8

‘我’的unicode编码0x6211,二进制为: 01000010 00010001

将二进制形式分割成3段为0110 001000010001(分别是高4位、中间的6位、最后的低6位)

unicode转utf8只需要这3段分别填入1110xxxx 10yyyyyy 10zzzzzz中的xxxx yyyyyy zzzzzz

得utf8编码是0xe6889,二进制为: 11100110 10001000 100010001

int UnicodeToUtf8(char *pInput, char *pOutput)
{
    int len = 0; //记录转换后的utf8字符串的字节数
    while (*pInput) {
        //处理一个unicode字符
        char low = *pInput;  //取出unicode字符的低8位
        pInput++;
        char high = *pInput;  //取出unicode字符的高8位
        int w=high<<8;
        unsigned wchar = (high<<8)+low;  //高8位和低8位组成一个unicode字符，加法运算级别高
        
        if (wchar <= 0x7F) //英文字符
        {
            pOutput[len] = (char)wchar;  //取wchar的低8位
            len++;
        } 
        else if (wchar >= 0x80 && wchar <= 0x7FF) //可以转换成双字节pOutput字符
        {
            pOutput[len] = 0xc0 | ((wchar >> 6)&0x1f);  //取出unicode编码低6位后的5位，填充到110yyyyy 10zzzzzz 的yyyyy中
            len++;    
            pOutput[len] = 0x80 | (wchar & 0x3f);  //取出unicode编码的低6位，填充到110yyyyy 10zzzzzz 的zzzzzz中
            len++;
        }   
        else if (wchar >= 0x800 && wchar < 0xFFFF) //可以转换成3个字节的pOutput字符
        {
            pOutput[len] = 0xe0 | ((wchar >> 12)&0x0f)J;  //高四位填入1110xxxx 10yyyyyy 10zzzzzz中的xxxx
            len++;
            pOutput[len] = 0x80 | ((wchar >> 6) & 0x3f);  //中间6位填入1110xxxx 10yyyyyy 10zzzzzz中的yyyyyy
            len++;
            pOutput[len] = 0x80 | (wchar & 0x3f);  //低6位填入1110xxxx 10yyyyyy 10zzzzzz中的zzzzzz
            len++;
        }

        else //对于其他字节数的unicode字符不进行处理
        {
            return -1;
        }
        pInput++;//处理下一个unicode字符
    }
    //utf8字符串后面，有个\0
    pOutput[len] = 0;
    return len;
}

        

二、utf8转unicode

  utf8二进制形式为1110xxxx 10yyyyyy 10zzzzzz

'我'的utf8编码0xe6889,二进制为:11100110 10001000 100010001

分别提取里面的xxxx yyyyyy zzzzzz,然后组合成xxxxyyyy yyzzzzzz,

xxxxyyyy就是unicode的高8位，yyzzzzzz就是unicode的低8位

/*
* 将utf8编码转换成Unicode (UCS-2LE) 编码  低地址存低位字节
* 参数:
*     char *pInput    输入字符串
*     char *pOutput   输出字符串
* 返回值: 转换后的Unicode字符串的字节数，如果出错则返回-1
*/
//utf8转unicode
int Utf8ToUnicode(char *pInput, char *pOutput)
{
    int outputSize = 0;   //记录转换后的Unicode字符串的字节数
    while(*pInput) {
        if (*pInput > 0x00 && *pInput <= 0x7F) //处理单字节UTF8字符(英文字母、数字)
        {
            *pOutput = *pInput;
            pOutput++;
            *pOutput = 0;   //小端法表示，在高地址填补0
        } 
        else if (((*pInput) & 0xE0) == 0xC0) //处理双字节UTF8字节
        {
            char high = *pInput;
            pInput++;
            char middle = *pInput;
            pInput++;
            char low = *pInput;
            if (((middle & 0xC0) != 0x80) || ((low & 0xC0) != 0x80)) {
                return -1;
            }
            *pOutput = (middle << 6) + (low & 0x3F); //取出middle的低两位与low的低6位，组合成unicode字符的低8位
            pOutput++;
            *pOutput = (high << 4) + (middle >> 2) & 0x0F); //取出high的低四位与middle的中间四位，组合成unicode字符的高8位
        } 
        else //对于其他字节数的UTF8字符不进行处理
        {
            return -1;
        }
        pInput ++; //处理下一个utf8字符
        pOutput++;
        outputSize += 2;
}

//unicode字符串后面，有两个\0
*pOutput = 0;
pOutput++;
*pOutput = 0;
return outputSize;

//一个调用示例
int main(int argc, char **argv)
{
    //汉字'我'的UTF8编码是0xe68891,Unicode的编码是0x6211
    //1.unicode转utf8
    char unicodeStr[3] = {0x11, 0x62, 0x00}; //'我'的unicode是0x6211,按低地址存低位字节
    char *utf8Str = new char[5];
    memset(utf8Str, 0, 5);
    int num = UnicodeToUtf8(unicodeStr, utf8Str);

    unsigned char *p = (unsigned char *)utf8Str;
    for (int i=0; i<num; i++) {
        printf("%0x", *p);
        p++;
    }//输出e68891
    printf("\n");
    delete utf8Str;

    //2.utf8转unicode
    //char utf8Str[4] = {0xe6, 0x88, 0x91, 0x00};
    //char *unicodeStr = new char[8];
    //memset(unicodeStr, 0, 8);
    //int num = Utf8ToUnicode(utf8Str, unicodeStr);
    //if(num == -1) {
    //    printf("Error!\n");
    //}
    //else
    //{
    //    unsigned char *p = (unsigned char *)unicodeStr;
    //    for (int i=0; i<num; i++) {
    //        printf("%0x", *p);
    //        p++;
    //    }//输出1162
    //    printf("\n");
    //}
    //delete unicodeStr;

    return 0;
}

三、gbk与unicode互转

代码下载地址：c语言利用编码转换表实现gbk与unicode互转

参照博客：

http://blog.csdn.net/tge7618291/article/details/7599902
http://www.ithao123.cn/content-1832906.html