c語(yǔ)言怎么把UTF-8轉(zhuǎn)換成Unicode

下面程序給出的是UTF-8轉(zhuǎn)成Unicode（UCS-2）的函數(shù)：

網(wǎng)站建設(shè)哪家好，找成都創(chuàng)新互聯(lián)！專注于網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開(kāi)發(fā)、小程序定制開(kāi)發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項(xiàng)目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了友誼免費(fèi)建站歡迎大家使用！

#include stdio.h

#include stdlib.h

#include memory.h

#include string.h

int utf8_to_unicode(char* pInput, char** ppOutput)

{

int outputSize = 0; //記錄轉(zhuǎn)換后的Unicode字符串的字節(jié)數(shù)

*ppOutput = (char *)malloc(strlen(pInput) * 2);? //為輸出字符串分配足夠大的內(nèi)存空

memset(*ppOutput, 0, strlen(pInput) * 2);

char *tmp = *ppOutput; //臨時(shí)變量，用于遍歷輸出字符串

while (*pInput)

{

if (*pInput 0x00 *pInput = 0x7F) //處理單字節(jié)UTF8字符（英文字母、數(shù)字）

{

*tmp = *pInput;

tmp++;

*tmp = 0; //小端法表示，在高地址填補(bǔ)0

}

else if (((*pInput) 0xE0) == 0xC0) //處理雙字節(jié)UTF8字符

{

char high = *pInput;

pInput++;

char low = *pInput;

if ((low 0xC0) != 0x80)? //檢查是否為合法的UTF8字符表示

{

return -1; //如果不是則報(bào)錯(cuò)

}

*tmp = (high 6) + (low 0x3F);

tmp++；

*tmp = (high 2) 0x07;

}

else if (((*pInput) 0xF0) == 0xE0)?//處理三字節(jié)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 //對(duì)于其他字節(jié)數(shù)的UTF8字符不進(jìn)行處理

{

return -1;

}

pInput ++;

tmp ++;

outputSize += 2;

}

*tmp = 0;

tmp++;

*tmp = 0;

return outputSize;

}

擴(kuò)展資料

UTF-8：互聯(lián)網(wǎng)的普及， 強(qiáng)烈要求出現(xiàn)一種統(tǒng)一的編碼方式。 UTF-8就是在互聯(lián)網(wǎng)上使用最廣的一種unicode的實(shí)現(xiàn)方式。其他實(shí)現(xiàn)方式還包括UTF-16和UTF-32，不過(guò)在互聯(lián)網(wǎng)上基本不用。重復(fù)一遍，這里的關(guān)系是，UTF-8是Unicode的實(shí)現(xiàn)方式之一。

UTF-8最大的一個(gè)特點(diǎn)，就是它是一種變長(zhǎng)的編碼方式。它可以使用1~6個(gè)字節(jié)表示一個(gè)符號(hào)，根據(jù)不同的符號(hào)而變化字節(jié)長(zhǎng)度。

UTF-8的編碼規(guī)則：

UTF-8的編碼規(guī)則很簡(jiǎn)單，只有兩條：

1、對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的unicode碼。因此對(duì)于英語(yǔ)字母，UTF-8編碼和ASCII碼是相同的。

2、對(duì)于n字節(jié)的符號(hào)(n1)，第一個(gè)字節(jié)的前n位都設(shè)為1，第n+1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10。剩下的沒(méi)有提及的二進(jìn)制位，全部為這個(gè)符號(hào)的unicode碼。

c語(yǔ)言字符與ASCII碼的轉(zhuǎn)換

#includestdio.h

voidmain()

{

unsignedchara;

printf("enterchar:");

scanf("%C",a);

printf("ascii=%d",a);//強(qiáng)制轉(zhuǎn)化為ascii碼

}

擴(kuò)展資料

C語(yǔ)言ASCII編碼的來(lái)源

ASCII碼

一個(gè)二進(jìn)制位(Bit)有0、1兩種狀態(tài)，一個(gè)字節(jié)(Byte)有8個(gè)二進(jìn)制位，有256種狀態(tài)，每種狀態(tài)對(duì)應(yīng)一個(gè)符號(hào)，就是256個(gè)符號(hào)，從00000000到11111111。美國(guó)制定了一套英文字符與二進(jìn)制位的對(duì)應(yīng)關(guān)系，稱為ASCII碼，沿用至今。

ASCII碼規(guī)定了128個(gè)英文字符與二進(jìn)制的對(duì)應(yīng)關(guān)系，占用一個(gè)字節(jié)（實(shí)際上只占用了一個(gè)字節(jié)的后面7位，最前面1位統(tǒng)一規(guī)定為0）。例如，字母a的的ASCII碼為01100001，那么你暫時(shí)可以理解為字母a存儲(chǔ)到內(nèi)存之前會(huì)被轉(zhuǎn)換為01100001，讀取時(shí)遇到01100001也會(huì)轉(zhuǎn)換為a。

linux下編碼轉(zhuǎn)換問(wèn)題,C語(yǔ)言實(shí)現(xiàn)，使用iconv函數(shù)族

1、iconv的含義是將一個(gè)抽象的符號(hào)的編碼進(jìn)行轉(zhuǎn)換。

但是如果一個(gè)符號(hào)比如“個(gè)”，可能在BIG5的編碼中不存在（繁體字中不同）

GBK包含的是簡(jiǎn)體字，BIG5包含的是繁體字，Unicode包含全部，

所以

GBK-Unicode,Big5-Unicode （總是OK）

Unicode-GBK (當(dāng)里面僅包含英文及簡(jiǎn)體時(shí)OK)

Unicode-BIG5 (當(dāng)里面僅包含英文及繁體時(shí)OK)

GBK-Big5 (基本上不行，除非某些字沒(méi)有特別的簡(jiǎn)體字)

GBK-Big5是漢字的簡(jiǎn)繁轉(zhuǎn)換，不是編碼轉(zhuǎn)換，簡(jiǎn)體字轉(zhuǎn)繁體字還有一個(gè)問(wèn)題，一個(gè)簡(jiǎn)體字可能是對(duì)應(yīng)多個(gè)繁體字，這種很難轉(zhuǎn)換正確。繁體字轉(zhuǎn)換成簡(jiǎn)體字相對(duì)難度低。

2、#include iconv.h

size_t iconv(iconv_t cd,

char **inbuf, size_t *inbytesleft,

char **outbuf, size_t *outbytesleft);

函數(shù)原型, outbuf是一個(gè) char **類型

在函數(shù)手冊(cè)中：

The iconv() function converts one multibyte character at a time, and for each character conversion it increments *inbuf and decrements

*inbytesleft by the number of converted input bytes, it increments *outbuf and decrements *outbytesleft by the number of converted

output bytes

怎樣用C語(yǔ)言實(shí)現(xiàn)漢字和ASCII碼到UNICODE碼的轉(zhuǎn)換?

用MultiByteToWideChar和WideCharToMultiByte可以做到編碼的轉(zhuǎn)換。

MultiByteToWideChar是一個(gè)windows API 函數(shù)，該函數(shù)映射一個(gè)字符串到一個(gè)寬字符（unicode）的字符串。

函數(shù)原型：

int MultiByteToWideChar(

UINT CodePage,

DWORD dwFlags,

LPCSTR lpMultiByteStr,

int cchMultiByte,

LPWSTR lpWideCharStr,

int cchWideChar

);

參數(shù)：

CodePage：指定執(zhí)行轉(zhuǎn)換的字符集，這個(gè)參數(shù)可以為系統(tǒng)已安裝或有效的任何字符集所給定的值。你也可以指定其為下面的任意一值：

CP_ACP：ANSI字符集；CP_MACCP：Macintosh代碼頁(yè)；CP_OEMCP：OEM代碼頁(yè)；

CP_SYMBOL：符號(hào)字符集（42）；CP_THREAD_ACP：當(dāng)前線程ANSI代碼頁(yè)；

CP_UTF7：使用UTF-7轉(zhuǎn)換；CP_UTF8：使用UTF-8轉(zhuǎn)換。

dwFlags：一組位標(biāo)記用以指出是否未轉(zhuǎn)換成預(yù)作或?qū)捵址ㄈ艚M合形式存在），是否使用象形文字替代控制字符，以及如何處理無(wú)效字符。你可以指定下面是標(biāo)記常量的組合，含義如下：

MB_PRECOMPOSED：通常使用預(yù)作字符——就是說(shuō)，由一個(gè)基本字符和一個(gè)非空字符組成的字符只有一個(gè)單一的字符值。這是缺省的轉(zhuǎn)換選擇。不能與

MB_COMPOSITE值一起使用。

MB_COMPOSITE：通常使用組合字符——就是說(shuō)，由一個(gè)基本字符和一個(gè)非空字符組成的字符分別有不同的字符值。不能與MB_PRECOMPOSED值一起使用。

MB_ERR_INVALID_CHARS：如果函數(shù)遇到無(wú)效的輸入字符，它將運(yùn)行失敗，且GetLastErro返回ERROR_NO_UNICODE_TRANSLATION值。

MB_USEGLYPHCHARS：使用象形文字替代控制字符。

組合字符由一個(gè)基礎(chǔ)字符和一個(gè)非空字符構(gòu)成，每一個(gè)都有不同的字符值。每個(gè)預(yù)作字符都有單一的字符值給基礎(chǔ)/非空字符的組成。在字符è中，e就是基礎(chǔ)字符，而重音符標(biāo)記就是非空字符。

函數(shù)的缺省動(dòng)作是轉(zhuǎn)換成預(yù)作的形式。如果預(yù)作的形式不存在，函數(shù)將嘗試轉(zhuǎn)換成組合形式。

標(biāo)記MB_PRECOMPOSED和MB_COMPOSITE是互斥的，而標(biāo)記MB_USEGLYPHCHARS和MB_ERR_INVALID_CHARS則不管其它標(biāo)記如何都可以設(shè)置。

lpMultiByteStr：指向?qū)⒈晦D(zhuǎn)換字符串的字符。

cchMultiByte：指定由參數(shù)lpMultiByteStr指向的字符串中字節(jié)的個(gè)數(shù)。如果lpMultiByteStr指定的字符串以空字符終止，可以設(shè)置為-1（如果字符串不是以空字符中止，設(shè)置為-1可能失敗，可能成功），此參數(shù)設(shè)置為0函數(shù)將失敗。

lpWideCharStr：指向接收被轉(zhuǎn)換字符串的緩沖區(qū)。

cchWideChar：指定由參數(shù)lpWideCharStr指向的緩沖區(qū)的寬字符個(gè)數(shù)。若此值為零，函數(shù)返回緩沖區(qū)所必需的寬字符數(shù)，在這種情況下，lpWideCharStr中的緩沖區(qū)不被使用。

返回值：

如果函數(shù)運(yùn)行成功，并且cchWideChar不為零，返回值是由lpWideCharStr指向的緩沖區(qū)中寫入的寬字符數(shù)；如果函數(shù)運(yùn)行成功，并且cchWideChar為零，返回值是接收到待轉(zhuǎn)換字符串的緩沖區(qū)所需求的寬字符數(shù)大小。如果函數(shù)運(yùn)行失敗，返回值為零。若想獲得更多錯(cuò)誤信息，請(qǐng)調(diào)用GetLastError函數(shù)。它可以返回下面所列錯(cuò)誤代碼：

ERROR_INSUFFICIENT_BUFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

WideCharToMultiByte，該函數(shù)映射一個(gè)unicode字符串到一個(gè)多字節(jié)字符串。

函數(shù)原型：

int WideCharToMultiByte(

UINT CodePage, //指定執(zhí)行轉(zhuǎn)換的代碼頁(yè)

DWORD dwFlags, //允許你進(jìn)行額外的控制，它會(huì)影響使用了讀音符號(hào)（比如重音）的字符

LPCWSTR lpWideCharStr, //指定要轉(zhuǎn)換為寬字節(jié)字符串的緩沖區(qū)

int cchWideChar, //指定由參數(shù)lpWideCharStr指向的緩沖區(qū)的字符個(gè)數(shù)

LPSTR lpMultiByteStr, //指向接收被轉(zhuǎn)換字符串的緩沖區(qū)

int cchMultiByte, //指定由參數(shù)lpMultiByteStr指向的緩沖區(qū)最大值

LPCSTR lpDefaultChar, //遇到一個(gè)不能轉(zhuǎn)換的寬字符，函數(shù)便會(huì)使用pDefaultChar參數(shù)指向的字符

LPBOOL pfUsedDefaultChar //至少有一個(gè)字符不能轉(zhuǎn)換為其多字節(jié)形式，函數(shù)就會(huì)把這個(gè)變量設(shè)為TRUE

);

參數(shù)：

CodePage：指定執(zhí)行轉(zhuǎn)換的代碼頁(yè)，這個(gè)參數(shù)可以為系統(tǒng)已安裝或有效的任何代碼頁(yè)所給定的值。你也可以指定其為下面的任意一值：

CP_ACP：ANSI代碼頁(yè)；CP_MACCP：Macintosh代碼頁(yè)；CP_OEMCP：OEM代碼頁(yè)；

CP_SYMBOL：符號(hào)代碼頁(yè)（42）；CP_THREAD_ACP：當(dāng)前線程ANSI代碼頁(yè)；

CP_UTF7：使用UTF-7轉(zhuǎn)換；CP_UTF8：使用UTF-8轉(zhuǎn)換

返回值：

如果函數(shù)運(yùn)行成功，并且cchMultiByte不為零，返回值是由 lpMultiByteStr指向的緩沖區(qū)中寫入的字節(jié)數(shù)；如果函數(shù)運(yùn)行成功，并且cchMultiByte為零，返回值是接收到待轉(zhuǎn)換字符串的緩沖區(qū)所必需的字節(jié)數(shù)。如果函數(shù)運(yùn)行失敗，返回值為零。若想獲得更多錯(cuò)誤信息，請(qǐng)調(diào)用GetLastError函數(shù)。它可以返回下面所列錯(cuò)誤代碼：

ERROR_INSUFFICIENT_BJFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

注意：指針lpMultiByteStr和lpWideCharStr必須不一樣。如果一樣，函數(shù)將失敗，GetLastError將返回ERROR_INVALID_PARAMETER的值?！?/p>

Windows CE：不支持參數(shù)CodePage中的CP_UTF7和CP_UTF8的值，以及參數(shù)dwFlags中的WC_NO_BEST_FIT_CHARS值。