c语言怎么把UTF-8转换成Unicode

Posted 2023-03-29

参考技术A

下面程序给出的是UTF-8转成Unicode（UCS-2）的函数：

#include <stdio.h>

#include <stdlib.h>

#include <memory.h>

#include <string.h>

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

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;

扩展资料

UTF-8：互联网的普及， 强烈要求出现一种统一的编码方式。 UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~6个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则：

UTF-8的编码规则很简单，只有两条：

1、对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2、对于n字节的符号(n>1)，第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。