字符编码转UTF-8编码

paktc

估计很少人会用到……
我也是偶然遇到要处理这个东西，朋友的手机坏了，换了一个杂牌的便宜手机，
打算把 内存卡上的通讯录转过去，已经提取了联系人信息。
结果杂牌的手机同步软件都没有。尝试选择在T卡新建一个联系人，
列出最新建立的文件，发现是通过建立通讯录文件实现的。  联系人姓名.vcf格式

啊安.vcf

BEGIN:VCARD
VERSION:2.1
N;CHARSET=UTF-8;ENCODING=QUOTED-PRINTABLE:=E9=98=BF=E5=AE=89     #这里就是两个字的编码
TEL;CELL:123  
END:VCARD

没错编码就是UTF-8的，改变都不行，折腾死了……

关于对照表。网上找了很久未果，
所以我就学着编写了一个 字符转 utf-8编码的脚本  (完整的导出通讯录的东西就不放上来啦)

1. 
   
2. #!/usr/bin/perl
   
3. open READ,"<next.x";
   
4. 
   
5. $lv_[1]=00000000;
   
6. $lv_[2]=11000000;
   
7. $lv_[3]=11100000;
   
8. $lv_[4]=11110000;
   
9. $lv_[5]=11111000;
   
10. $lv_[6]=11111100;
    
11. 
    
12. use utf8;
    
13. 
    
14. $a="我";
    
15. printf "%s\n",&code2utf(ord $a);
    
16. print "END!";
    
17. <STDIN>;
    
18. 
    
19. 
    
20. sub code2utf {
    
21. my ($code,$bin,$level,$hex,$tmp,$result);
    
22. $code=$_[0];
    
23. $bin=sprintf "%b",$code;
    
24. 
    
25. $level=1;
    
26. if (length($bin)>7) {
    
27.   while (length($bin)>=6) {
    
28.      $level+=1;
    
29.      $bin=~s/.{6}$//;
    
30.      $hex=sprintf "%X",&bin2int(10 . $&);
    
31.      $result=$hex ."-". $result;
    
32.   }
    
33. }
    
34. 
    
35. $tmp=substr($lv_[$level],0,8-length($bin));
    
36. $hex=sprintf "%X",&bin2int($tmp . $bin);
    
37. $result=$hex ."-". $result;
    
38. $result=~s/-$//;  
    
39. $result;   #result - string
    
40. }
    
41. 
    
42. sub bin2int {
    
43. my ($a,$str,$all,$act);
    
44. $a=$_[0];
    
45. $str="";
    
46. $all=0;
    
47. $act=0;
    
48. do {
    
49.    $b=($a % 10) * (2**$act);  #** as ^ of the calc
    
50.    $all+=$b;
    
51.    $act+=1;
    
52.    $a=int ($a/10);
    
53. } until ($a==0);
    
54. int ($all);
    
55. }
    
56. 
    

复制代码

结果为 :
E6-88-91

写的很累赘，请多多指教！


关于utf-8的编码详细信息就不列举啦。 从C语言一站式学习.html 学的一些经验

例如某字符的值 170


UTF-8： 0xC2 0xAA

0xC2 -> 11000010
0xAA -> 10101010

其二进制值 : 170 = 10101010    (也就是分为了10 和101010)
根据以下规则分段转化为utf-8 编码 ，xxx是有效区间

引用资料 :
具体来说，UTF-8编码有以下几种格式：
U-00000000 – U-0000007F:  0xxxxxxx
U-00000080 – U-000007FF:  110xxxxx 10xxxxxx
U-00000800 – U-0000FFFF:  1110xxxx 10xxxxxx 10xxxxxx
U-00010000 – U-001FFFFF:  11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U-00200000 – U-03FFFFFF:  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U-04000000 – U-7FFFFFFF:  1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
======================================
10 和101010 对应:
110xxxxx 10xxxxxx -> 11000010 10101010

======================================

ubuntu的字符映射表有列出字符的  各种编码，挺爽的说……