utf8与ucs2互转

Cloud.D.Ace

刚开始接触c，现在需要实现utf8和ucs2的互转，在网上也找到好几个，但是都无法编译通过，哪位兄弟有能用的分享下？谢谢！

pagx

UCS2-BE(近似UTF-16)与UTF-8的转换。

1. 
   
2. static int utf8toucs2(const char **inbuf, size_t *inbytes,
   
3.         char **outbuf, size_t *outbytes)
   
4. {   
   
5.     u_int8_t mark;
   
6.     u_int16_t uc = 0;
   
7.     char * obuf  = NULL;
   
8.     const char *ibuf, *ibuf_end, *obuf_end;
   
9.     if ((inbuf&&inbytes&&outbuf&&outbytes)
   
10.             && (*inbuf&&*inbytes&&*outbuf&&*outbytes)){
    
11.         ibuf = *inbuf;
    
12.         ibuf_end = *inbuf+*inbytes;
    
13.         obuf = *outbuf;
    
14.         obuf_end = *outbuf+*outbytes;
    
15.         int follow = 0;
    
16.         while(ibuf<ibuf_end && &obuf[1]<obuf_end){
    
17.             mark = (u_int8_t)*ibuf++;
    
18.             if (mark<0xF0 && mark>0xE0){
    
19.                 /* 1110XXXX */
    
20.                 uc = mark&0x0F;
    
21.                 follow = 2;
    
22.             }else if (mark<0xE0 && mark>0xC0){
    
23.                 /* 110XXXXX */
    
24.                 uc = mark&0x1F;
    
25.                 follow = 1;
    
26.             }else if (mark<0x80){
    
27.                 /* 0XXXXXXX */
    
28.                 uc = mark;
    
29.                 follow = 0;
    
30.             }else{
    
31.                 /* convert fail: 0xF0 0xE0 should NOT in UTF-8 seq */
    
32.                 printf("convert fail 0xF0 0xE0\n");
    
33.                 break;
    
34.             }
    
35.             if (&ibuf[follow] > ibuf_end){
    
36.                 /* unexpect input end */
    
37.                 break;
    
38.             }
    
39.             for (; follow>0; follow--){
    
40.                 /* 10XX.XXXX 0x80-0xBF*/
    
41.                 if ((*ibuf&0xC0) != 0x80){
    
42.                     *outbytes = obuf_end - *outbuf;
    
43.                     *inbytes = ibuf_end - *inbuf;
    
44.                     printf("convert fail SEQ\n");
    
45.                     return 0;
    
46.                 }
    
47.                 uc = (uc<<6)|(*ibuf++&0x3F);
    
48.             }
    
49.             *obuf++ = (uc>>8);
    
50.             *obuf++ = uc;
    
51.             *outbuf = obuf;
    
52.             *inbuf = ibuf;
    
53.         }
    
54.         *outbytes = obuf_end - *outbuf;
    
55.         *inbytes = ibuf_end - *inbuf;
    
56.     }
    
57.     return 0;
    
58. }
    
59. 
    
60. static int cs2toutf8(const char **inbuf, size_t *inbytes,
    
61.         char **outbuf, size_t *outbytes)
    
62. {
    
63.     u_int16_t uc = 0;
    
64.     char *obuf  = NULL;
    
65.     const char *ibuf, *ibuf_end, *obuf_end;
    
66.     if ((inbuf&&inbytes&&outbuf&&outbytes)
    
67.             && (*inbuf&&*inbytes&&*outbuf&&*outbytes)){
    
68.         ibuf = *inbuf;
    
69.         ibuf_end = *inbuf+*inbytes;
    
70.         obuf = *outbuf;
    
71.         obuf_end = *outbuf+*outbytes;
    
72.         int follow = 0;
    
73.         while(&ibuf[1]<ibuf_end && obuf<obuf_end){
    
74.             uc = (0xFF&*ibuf++);
    
75.             uc = (0xFF&*ibuf++)|(uc<<8);
    
76.             if (uc < 0x80){
    
77.                 *obuf++ = (uc);
    
78.                 follow = 0;
    
79.             }else if (uc < 0x800){
    
80.                 *obuf++ = (uc>>6)|0xC0;
    
81.                 follow = 1;
    
82.             }else {
    
83.                 /* assert(uc<=0xFFFF); */
    
84.                 *obuf++ = (uc>>12)|0xE0;
    
85.                 follow = 2;
    
86.             }
    
87.             if (&obuf[follow] > obuf_end){
    
88.                 /*no output buffer */
    
89.                 break;
    
90.             }
    
91.             for (follow--;follow>=0;follow--){
    
92.                 int shift = follow*6;
    
93.                 u_int8_t ch = uc>>shift;
    
94.                 *obuf++ = (ch&0x3F)|0x80;
    
95.             }
    
96.             *outbuf = obuf;
    
97.             *inbuf = ibuf;
    
98.         }
    
99.         *outbytes = obuf_end - *outbuf;
    
100.         *inbytes = ibuf_end - *inbuf;
     
101.     }
     
102.     return 0;
     
103. }
     
104. 
     
105. int main(int argc, char *argv[])
     
106. {
     
107.     char buff[]="中国";
     
108.     char obuff[1024];
     
109.     char *pin, *pout;
     
110.     size_t inlen, outlen;
     
111.     pin = buff, pout=obuff;
     
112.     inlen = strlen(buff);
     
113.     outlen = sizeof(obuff);
     
114.     utf8toucs2(&pin, &inlen, &pout, &outlen);
     
115.     write(1, obuff, sizeof(obuff)-outlen);
     
116.     return 0;
     
117. }
     
118. 
     

复制代码

[ 本帖最后由 pagx 于 2009-5-13 18:08 编辑 ]

dfxh

#include <iconv.h>
iconv_open
iconv

google

Cloud.D.Ace

非unix环境，不可以使用iconv.h吧？
最好是纯c的

syncpk99

网上找找apache的代码，里面有代码。文件名就是utf8.c

tianshanxue2005

原帖由 Cloud.D.Ace 于 2009-5-14 17:22 发表
非unix环境，不可以使用iconv.h吧？
最好是纯c的

刚接触C,就有这么深刻地认识,真是不简单呀.

cheng_lai_shun

google 下应该很多