码迷,mamicode.com
首页 > 其他好文 > 详细

UTF-8、UTF-16、UTF-32编码的相互转换

时间:2015-12-03 22:46:57      阅读:258      评论:0      收藏:0      [点我收藏+]

标签:

最近在考虑写一个可以跨平台的通用字符串类,首先需要搞定的就是编码转换问题。

vs默认保存代码文件,使用的是本地code(中文即GBK,日文即Shift-JIS),也可以使用带BOM的UTF-8。
gcc则是UTF-8,有无BOM均可(源代码的字符集可以由参数-finput-charset指定)。
那么源代码可以采用带BOM的UTF-8来保存。而windows下的unicode是UTF-16编码;linux则使用UTF-8或UTF-32。因此不论在哪种系统里,程序在处理字符串时都需要考虑UTF编码之间的相互转换。

下面直接贴出算法代码。算法上我借鉴了秦建辉(http://blog.csdn.net/jhqin)的UnicodeConverter,只是在外面增加了一些泛型处理,让使用相对简单。

核心算法(来自UnicodeConverter):

 

[cpp] view plaincopy技术分享技术分享
 
  1. namespace transform  
  2. {  
  3.     /* 
  4.         UTF-32 to UTF-8 
  5.     */  
  6.    
  7.     inline static size_t utf(uint32 src, uint8* des)  
  8.     {  
  9.         if (src == 0) return 0;  
  10.    
  11.         static const byte PREFIX[] = { 0x00, 0xC0, 0xE0, 0xF0, 0xF8, 0xFC };  
  12.         static const uint32 CODE_UP[] =  
  13.         {  
  14.             0x80,           // U+00000000 - U+0000007F  
  15.             0x800,          // U+00000080 - U+000007FF  
  16.             0x10000,        // U+00000800 - U+0000FFFF  
  17.             0x200000,       // U+00010000 - U+001FFFFF  
  18.             0x4000000,      // U+00200000 - U+03FFFFFF  
  19.             0x80000000      // U+04000000 - U+7FFFFFFF  
  20.         };  
  21.    
  22.         size_t i, len = sizeof(CODE_UP) / sizeof(uint32);  
  23.         for(i = 0; i < len; ++i)  
  24.             if (src < CODE_UP[i]) break;  
  25.    
  26.         if (i == len) return 0; // the src is invalid  
  27.    
  28.         len = i + 1;  
  29.         if (des)  
  30.         {  
  31.             for(; i > 0; --i)  
  32.             {  
  33.                 des[i] = static_cast<uint8>((src & 0x3F) | 0x80);  
  34.                 src >>= 6;  
  35.             }  
  36.             des[0] = static_cast<uint8>(src | PREFIX[len - 1]);  
  37.         }  
  38.         return len;  
  39.     }  
  40.    
  41.     /* 
  42.         UTF-8 to UTF-32 
  43.     */  
  44.    
  45.     inline static size_t utf(const uint8* src, uint32& des)  
  46.     {  
  47.         if (!src || (*src) == 0) return 0;  
  48.    
  49.         uint8 b = *(src++);  
  50.    
  51.         if (b < 0x80)  
  52.         {  
  53.             des = b;  
  54.             return 1;  
  55.         }  
  56.    
  57.         if (b < 0xC0 || b > 0xFD) return 0; // the src is invalid  
  58.    
  59.         size_t len;  
  60.    
  61.         if (b < 0xE0)  
  62.         {  
  63.             des = b & 0x1F;  
  64.             len = 2;  
  65.         }  
  66.         else  
  67.         if (b < 0xF0)  
  68.         {  
  69.             des = b & 0x0F;  
  70.             len = 3;  
  71.         }  
  72.         else  
  73.         if (b < 0xF8)  
  74.         {  
  75.             des = b & 0x07;  
  76.             len = 4;  
  77.         }  
  78.         else  
  79.         if (b < 0xFC)  
  80.         {  
  81.             des = b & 0x03;  
  82.             len = 5;  
  83.         }  
  84.         else  
  85.         {  
  86.             des = b & 0x01;  
  87.             len = 6;  
  88.         }  
  89.    
  90.         size_t i = 1;  
  91.         for (; i < len; ++i)  
  92.         {  
  93.             b = *(src++);  
  94.             if (b < 0x80 || b > 0xBF) return 0; // the src is invalid  
  95.             des = (des << 6) + (b & 0x3F);  
  96.         }  
  97.         return len;  
  98.     }  
  99.    
  100.     /* 
  101.         UTF-32 to UTF-16 
  102.     */  
  103.    
  104.     inline static size_t utf(uint32 src, uint16* des)  
  105.     {  
  106.         if (src == 0) return 0;  
  107.    
  108.         if (src <= 0xFFFF)  
  109.         {  
  110.             if (des) (*des) = static_cast<uint16>(src);  
  111.             return 1;  
  112.         }  
  113.         else  
  114.         if (src <= 0xEFFFF)  
  115.         {  
  116.             if (des)  
  117.             {  
  118.                 des[0] = static_cast<uint16>(0xD800 + (src >> 10) - 0x40);  // high  
  119.                 des[1] = static_cast<uint16>(0xDC00 + (src & 0x03FF));      // low  
  120.             }  
  121.             return 2;  
  122.         }  
  123.         return 0;  
  124.     }  
  125.    
  126.     /* 
  127.         UTF-16 to UTF-32 
  128.     */  
  129.    
  130.     inline static size_t utf(const uint16* src, uint32& des)  
  131.     {  
  132.         if (!src || (*src) == 0) return 0;  
  133.    
  134.         uint16 w1 = src[0];  
  135.         if (w1 >= 0xD800 && w1 <= 0xDFFF)  
  136.         {  
  137.             if (w1 < 0xDC00)  
  138.             {  
  139.                 uint16 w2 = src[1];  
  140.                 if (w2 >= 0xDC00 && w2 <= 0xDFFF)  
  141.                 {  
  142.                     des = (w2 & 0x03FF) + (((w1 & 0x03FF) + 0x40) << 10);  
  143.                     return 2;  
  144.                 }  
  145.             }  
  146.             return 0; // the src is invalid  
  147.         }  
  148.         else  
  149.         {  
  150.             des = w1;  
  151.             return 1;  
  152.         }  
  153.     }  
  154. }  


上面这些算法都是针对单个字符的,并且是UTF-32和UTF-16/8之间的互转。
通过上面的算法,可以得到UTF-16和UTF-8之间的单字符转换算法:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. namespace transform  
  2. {  
  3.     /* 
  4.         UTF-16 to UTF-8 
  5.     */  
  6.    
  7.     inline static size_t utf(uint16 src, uint8* des)  
  8.     {  
  9.         // make utf-16 to utf-32  
  10.         uint32 tmp;  
  11.         if (utf(&src, tmp) != 1) return 0;  
  12.         // make utf-32 to utf-8  
  13.         return utf(tmp, des);  
  14.     }  
  15.    
  16.     /* 
  17.         UTF-8 to UTF-16 
  18.     */  
  19.    
  20.     inline static size_t utf(const uint8* src, uint16& des)  
  21.     {  
  22.         // make utf-8 to utf-32  
  23.         uint32 tmp;  
  24.         size_t len = utf(src, tmp);  
  25.         if (len == 0) return 0;  
  26.         // make utf-32 to utf-16  
  27.         if (utf(tmp, &des) != 1) return 0;  
  28.         return len;  
  29.     }  
  30. }  


同样,通过上面的单字符转换算法,可以得到整个字符串的转换算法:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. namespace transform  
  2. {  
  3.     /* 
  4.         UTF-X: string to string 
  5.     */  
  6.    
  7.     template <typename T>  
  8.     size_t utf(const uint32* src, T* des)   // UTF-32 to UTF-X(8/16)  
  9.     {  
  10.         if (!src || (*src) == 0) return 0;  
  11.    
  12.         size_t num = 0;  
  13.         for(; *src; ++src)  
  14.         {  
  15.             size_t len = utf(*src, des);  
  16.             if (len == 0) break;  
  17.             if (des) des += len;  
  18.             num += len;  
  19.         }  
  20.         if (des) (*des) = 0;  
  21.         return num;  
  22.     }  
  23.    
  24.     template <typename T>  
  25.     size_t utf(const T* src, uint32* des)   // UTF-X(8/16) to UTF-32  
  26.     {  
  27.         if (!src || (*src) == 0) return 0;  
  28.    
  29.         size_t num = 0;  
  30.         while(*src)  
  31.         {  
  32.             uint32 tmp;  
  33.             size_t len = utf(src, tmp);  
  34.             if (len == 0) break;  
  35.             if (des)  
  36.             {  
  37.                 (*des) = tmp;  
  38.                 ++des;  
  39.             }  
  40.             src += len;  
  41.             num += 1;  
  42.         }  
  43.         if (des) (*des) = 0;  
  44.         return num;  
  45.     }  
  46.    
  47.     template <typename T, typename U>  
  48.     size_t utf(const T* src, U* des)    // UTF-X(8/16) to UTF-Y(16/8)  
  49.     {  
  50.         if (!src || (*src) == 0) return 0;  
  51.    
  52.         size_t num = 0;  
  53.         while(*src)  
  54.         {  
  55.             // make utf-x to ucs4  
  56.             uint32 tmp;  
  57.             size_t len = utf(src, tmp);  
  58.             if (len == 0) break;  
  59.             src += len;  
  60.             // make ucs4 to utf-y  
  61.             len = utf(tmp, des);  
  62.             if (len == 0) break;  
  63.             if (des) des += len;  
  64.             num += len;  
  65.         }  
  66.         if (des) (*des) = 0;  
  67.         return num;  
  68.     }  
  69. }  


有了这些之后,我们已经可以完整的做UTF-8/16/32之间的相互转换了,但是这些函数的使用仍然不是很方便。
比如我现在想把一个UTF-8字符串转换成一个wchar_t*字符串,我得这样写:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. const uint8* c = (uint8*)"こんにちわ、世界";  
  2. size_t n = (sizeof(wchar_t) == 2) ?  
  3.     transform::utf(c, (uint16*)0) :  
  4.     transform::utf(c, (uint32*)0);  
  5. wchar_t* s = new wchar_t[n];  
  6. if (sizeof(wchar_t) == 2)  
  7.     transform::utf(c, (uint16*)s);  
  8. else  
  9.     transform::utf(c, (uint32*)s);  


这显然是一件很抽搐的事情,因为wchar_t在不同的操作系统(windows/linux)里有不同的sizeof长度。
上面的类型强制转换只是为了去适配合适的函数重载,当然我们也可以通过函数名来区分这些函数:比如分别叫utf8_to_utf32之类的。但是这改变不了写if-else来适配长度的问题。

 

显然这里可以通过泛型来让算法更好用。
首先,需要被抽离出来的就是参数的类型大小和类型本身的依赖关系:

 

[cpp] view plaincopy技术分享技术分享
 
  1. template <size_t X> struct utf_type;  
  2. template <>         struct utf_type<1> { typedef uint8  type_t; };  
  3. template <>         struct utf_type<2> { typedef uint16 type_t; };  
  4. template <>         struct utf_type<4> { typedef uint32 type_t; };  


然后,实现一个简单的check算法,这样后面就可以利用SFINAE的技巧筛选出合适的算法函数:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. template <size_t X, typename T>  
  2. struct check  
  3. {  
  4.     static const bool value =  
  5.         ((sizeof(T) == sizeof(typename utf_type<X>::type_t)) && !is_pointer<T>::value);  
  6. };  


下面我们需要一个detail,即泛型适配的细节。从上面的算法函数参数中,我们可以很容易的观察出一些规律:
只要是由大向小转换(比如32->16,或16->8)的,其对外接口可以抽象成这两种形式:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. type_t utf(T src, U* des)  
  2. type_t utf(const T* src, U* des)  


而由小向大的转换,则是下面这两种形式:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. type_t utf(const T* src, U& des)  
  2. type_t utf(const T* src, U* des)  


再加上第二个指针参数是可以给一个默认值(空指针)的,因此适配的泛型类就可以写成这样:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. template <size_t X, size_t Y, bool = (X > Y), bool = (X != Y)>  
  2. struct detail;  
  3.    
  4. /* 
  5.     UTF-X(32/16) to UTF-Y(16/8) 
  6. */  
  7.    
  8. template <size_t X, size_t Y>  
  9. struct detail<X, Y, true, true>  
  10. {  
  11.     typedef typename utf_type<X>::type_t src_t;  
  12.     typedef typename utf_type<Y>::type_t des_t;  
  13.    
  14.     template <typename T, typename U>  
  15.     static typename enable_if<check<X, T>::value && check<Y, U>::value,  
  16.     size_t>::type_t utf(T src, U* des)  
  17.     {  
  18.         return transform::utf((src_t)(src), (des_t*)(des));  
  19.     }  
  20.    
  21.     template <typename T>  
  22.     static typename enable_if<check<X, T>::value,  
  23.     size_t>::type_t utf(T src)  
  24.     {  
  25.         return transform::utf((src_t)(src), (des_t*)(0));  
  26.     }  
  27.    
  28.     template <typename T, typename U>  
  29.     static typename enable_if<check<X, T>::value && check<Y, U>::value,  
  30.     size_t>::type_t utf(const T* src, U* des)  
  31.     {  
  32.         return transform::utf((const src_t*)(src), (des_t*)(des));  
  33.     }  
  34.    
  35.     template <typename T>  
  36.     static typename enable_if<check<X, T>::value,  
  37.     size_t>::type_t utf(const T* src)  
  38.     {  
  39.         return transform::utf((src_t)(src), (des_t*)(0));  
  40.     }  
  41. };  
  42.    
  43. /* 
  44.     UTF-X(16/8) to UTF-Y(32/16) 
  45. */  
  46.    
  47. template <size_t X, size_t Y>  
  48. struct detail<X, Y, false, true>  
  49. {  
  50.     typedef typename utf_type<X>::type_t src_t;  
  51.     typedef typename utf_type<Y>::type_t des_t;  
  52.    
  53.     template <typename T, typename U>  
  54.     static typename enable_if<check<X, T>::value && check<Y, U>::value,  
  55.     size_t>::type_t utf(const T* src, U& des)  
  56.     {  
  57.         des_t tmp; // for disable the warning strict-aliasing from gcc 4.4  
  58.         size_t ret = transform::utf((const src_t*)(src), tmp);  
  59.         des = tmp;  
  60.         return ret;  
  61.     }  
  62.    
  63.     template <typename T, typename U>  
  64.     static typename enable_if<check<X, T>::value && check<Y, U>::value,  
  65.     size_t>::type_t utf(const T* src, U* des)  
  66.     {  
  67.         return transform::utf((const src_t*)(src), (des_t*)(des));  
  68.     }  
  69.    
  70.     template <typename T>  
  71.     static typename enable_if<check<X, T>::value,  
  72.     size_t>::type_t utf(const T* src)  
  73.     {  
  74.         return transform::utf((const src_t*)(src), (des_t*)(0));  
  75.     }  
  76. };  


最后的外敷类收尾就可以相当的简单:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. template <typename T, typename U>  
  2. struct converter  
  3.     : detail<sizeof(T), sizeof(U)>  
  4. {};  


通过上面的detail,我们也可以很轻松的写出一个通过指定8、16这些数字,来控制选择哪些转换算法的外敷模板。
有了converter,同类型的需求(指UTF-8转wchar_t)就可以变得轻松愉快很多:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. const char* c = "こんにちわ、世界";  
  2. wstring s;  
  3. size_t n; wchar_t w;  
  4. while (!!(n = converter<char, wchar_t>::utf(c, w))) // 这里的!!是为了屏蔽gcc的警告  
  5. {  
  6.     s.push_back(w);  
  7.     c += n;  
  8. }  
  9. FILE* fp = fopen("test_converter.txt", "wb");  
  10. fwrite(s.c_str(), sizeof(wchar_t), s.length(), fp);  
  11. fclose(fp);  

 

 

上面这一小段代码是将一段UTF-8的文字逐字符转换为wchar_t,并一个个push_back到wstring里,最后把转换完毕的字符串输出到test_converter.txt里。


 

其实上面的泛型还是显得累赘了。为什么不直接在transform::utf上使用泛型参数呢?
一开始只想到上面那个方法,自然是由于惯性的想要手动指定如何转换编码的缘故,比如最开始的想法,是想做成类似这样的模板:utf<8, 32>(s1, s2),指定两个数字,来决定输入和输出的格式。

后来发现,直接指定字符串/字符的类型或许更加直接些。
现在回头再看看,其实转换所需要的字长(8、16、32)已经在参数的类型中指定了:8bits的char或byte类型肯定不会是用来存放UTF-32的嘛。。
所以只需要把上面核心算法的参数泛型化就可以了。这时代码就会写成下面这个样子:

 

[cpp] view plaincopy技术分享技术分享
 
  1. namespace transform  
  2. {  
  3.     namespace private_  
  4.     {  
  5.         template <size_t X> struct utf_type;  
  6.         template <>         struct utf_type<1> { typedef uint8  type_t; };  
  7.         template <>         struct utf_type<2> { typedef uint16 type_t; };  
  8.         template <>         struct utf_type<4> { typedef uint32 type_t; };  
  9.    
  10.         template <typename T, size_t X>  
  11.         struct check  
  12.         {  
  13.             static const bool value =  
  14.                 ((sizeof(T) == sizeof(typename utf_type<X>::type_t)) && !is_pointer<T>::value);  
  15.         }  
  16.     }  
  17.    
  18.     using namespace transform::private_;  
  19.    
  20.     /* 
  21.         UTF-32 to UTF-8 
  22.     */  
  23.    
  24.     template <typename T, typename U>  
  25.     typename enable_if<check<T, 4>::value && check<U, 1>::value,  
  26.     size_t>::type_t utf(T src, U* des)  
  27.     {  
  28.         if (src == 0) return 0;  
  29.    
  30.         static const byte PREFIX[] = { 0x00, 0xC0, 0xE0, 0xF0, 0xF8, 0xFC };  
  31.         static const uint32 CODE_UP[] =  
  32.         {  
  33.             0x80,           // U+00000000 - U+0000007F  
  34.             0x800,          // U+00000080 - U+000007FF  
  35.             0x10000,        // U+00000800 - U+0000FFFF  
  36.             0x200000,       // U+00010000 - U+001FFFFF  
  37.             0x4000000,      // U+00200000 - U+03FFFFFF  
  38.             0x80000000      // U+04000000 - U+7FFFFFFF  
  39.         };  
  40.    
  41.         size_t i, len = sizeof(CODE_UP) / sizeof(uint32);  
  42.         for(i = 0; i < len; ++i)  
  43.             if (src < CODE_UP[i]) break;  
  44.    
  45.         if (i == len) return 0; // the src is invalid  
  46.    
  47.         len = i + 1;  
  48.         if (des)  
  49.         {  
  50.             for(; i > 0; --i)  
  51.             {  
  52.                 des[i] = static_cast<U>((src & 0x3F) | 0x80);  
  53.                 src >>= 6;  
  54.             }  
  55.             des[0] = static_cast<U>(src | PREFIX[len - 1]);  
  56.         }  
  57.         return len;  
  58.     }  
  59.    
  60.     /* 
  61.         UTF-8 to UTF-32 
  62.     */  
  63.    
  64.     template <typename T, typename U>  
  65.     typename enable_if<check<T, 1>::value && check<U, 4>::value,  
  66.     size_t>::type_t utf(const T* src, U& des)  
  67.     {  
  68.         if (!src || (*src) == 0) return 0;  
  69.    
  70.         uint8 b = *(src++);  
  71.    
  72.         if (b < 0x80)  
  73.         {  
  74.             des = b;  
  75.             return 1;  
  76.         }  
  77.    
  78.         if (b < 0xC0 || b > 0xFD) return 0; // the src is invalid  
  79.    
  80.         size_t len;  
  81.    
  82.         if (b < 0xE0)  
  83.         {  
  84.             des = b & 0x1F;  
  85.             len = 2;  
  86.         }  
  87.         else  
  88.         if (b < 0xF0)  
  89.         {  
  90.             des = b & 0x0F;  
  91.             len = 3;  
  92.         }  
  93.         else  
  94.         if (b < 0xF8)  
  95.         {  
  96.             des = b & 0x07;  
  97.             len = 4;  
  98.         }  
  99.         else  
  100.         if (b < 0xFC)  
  101.         {  
  102.             des = b & 0x03;  
  103.             len = 5;  
  104.         }  
  105.         else  
  106.         {  
  107.             des = b & 0x01;  
  108.             len = 6;  
  109.         }  
  110.    
  111.         size_t i = 1;  
  112.         for (; i < len; ++i)  
  113.         {  
  114.             b = *(src++);  
  115.             if (b < 0x80 || b > 0xBF) return 0; // the src is invalid  
  116.             des = (des << 6) + (b & 0x3F);  
  117.         }  
  118.         return len;  
  119.     }  
  120.    
  121.     /* 
  122.         UTF-32 to UTF-16 
  123.     */  
  124.    
  125.     template <typename T, typename U>  
  126.     typename enable_if<check<T, 4>::value && check<U, 2>::value,  
  127.     size_t>::type_t utf(T src, U* des)  
  128.     {  
  129.         if (src == 0) return 0;  
  130.    
  131.         if (src <= 0xFFFF)  
  132.         {  
  133.             if (des) (*des) = static_cast<U>(src);  
  134.             return 1;  
  135.         }  
  136.         else  
  137.         if (src <= 0xEFFFF)  
  138.         {  
  139.             if (des)  
  140.             {  
  141.                 des[0] = static_cast<U>(0xD800 + (src >> 10) - 0x40);  // high  
  142.                 des[1] = static_cast<U>(0xDC00 + (src & 0x03FF));      // low  
  143.             }  
  144.             return 2;  
  145.         }  
  146.         return 0;  
  147.     }  
  148.    
  149.     /* 
  150.         UTF-16 to UTF-32 
  151.     */  
  152.    
  153.     template <typename T, typename U>  
  154.     typename enable_if<check<T, 2>::value && check<U, 4>::value,  
  155.     size_t>::type_t utf(const T* src, U& des)  
  156.     {  
  157.         if (!src || (*src) == 0) return 0;  
  158.    
  159.         uint16 w1 = src[0];  
  160.         if (w1 >= 0xD800 && w1 <= 0xDFFF)  
  161.         {  
  162.             if (w1 < 0xDC00)  
  163.             {  
  164.                 uint16 w2 = src[1];  
  165.                 if (w2 >= 0xDC00 && w2 <= 0xDFFF)  
  166.                 {  
  167.                     des = (w2 & 0x03FF) + (((w1 & 0x03FF) + 0x40) << 10);  
  168.                     return 2;  
  169.                 }  
  170.             }  
  171.             return 0; // the src is invalid  
  172.         }  
  173.         else  
  174.         {  
  175.             des = w1;  
  176.             return 1;  
  177.         }  
  178.     }  
  179.    
  180.     /* 
  181.         UTF-16 to UTF-8 
  182.     */  
  183.    
  184.     template <typename T, typename U>  
  185.     typename enable_if<check<T, 2>::value && check<U, 1>::value,  
  186.     size_t>::type_t utf(T src, U* des)  
  187.     {  
  188.         // make utf-16 to utf-32  
  189.         uint32 tmp;  
  190.         if (utf(&src, tmp) != 1) return 0;  
  191.         // make utf-32 to utf-8  
  192.         return utf(tmp, des);  
  193.     }  
  194.    
  195.     /* 
  196.         UTF-8 to UTF-16 
  197.     */  
  198.    
  199.     template <typename T, typename U>  
  200.     typename enable_if<check<T, 1>::value && check<U, 2>::value,  
  201.     size_t>::type_t utf(const T* src, U& des)  
  202.     {  
  203.         // make utf-8 to utf-32  
  204.         uint32 tmp;  
  205.         size_t len = utf(src, tmp);  
  206.         if (len == 0) return 0;  
  207.         // make utf-32 to utf-16  
  208.         if (utf(tmp, &des) != 1) return 0;  
  209.         return len;  
  210.     }  
  211.    
  212.     /* 
  213.         UTF-X: string to string 
  214.     */  
  215.    
  216.     template <typename T, typename U>  
  217.     typename enable_if<check<T, 4>::value && (check<U, 1>::value || check<U, 2>::value),  
  218.     size_t>::type_t utf(const T* src, U* des)   // UTF-32 to UTF-X(8/16)  
  219.     {  
  220.         if (!src || (*src) == 0) return 0;  
  221.    
  222.         size_t num = 0;  
  223.         for(; *src; ++src)  
  224.         {  
  225.             size_t len = utf(*src, des);  
  226.             if (len == 0) break;  
  227.             if (des) des += len;  
  228.             num += len;  
  229.         }  
  230.         if (des) (*des) = 0;  
  231.         return num;  
  232.     }  
  233.    
  234.     template <typename T, typename U>  
  235.     typename enable_if<(check<T, 1>::value || check<T, 2>::value) && check<U, 4>::value,  
  236.     size_t>::type_t utf(const T* src, U* des)   // UTF-X(8/16) to UTF-32  
  237.     {  
  238.         if (!src || (*src) == 0) return 0;  
  239.    
  240.         size_t num = 0;  
  241.         while(*src)  
  242.         {  
  243.             uint32 tmp;  
  244.             size_t len = utf(src, tmp);  
  245.             if (len == 0) break;  
  246.             if (des)  
  247.             {  
  248.                 (*des) = tmp;  
  249.                 ++des;  
  250.             }  
  251.             src += len;  
  252.             num += 1;  
  253.         }  
  254.         if (des) (*des) = 0;  
  255.         return num;  
  256.     }  
  257.    
  258.     template <typename T, typename U>  
  259.     typename enable_if<(check<T, 1>::value && check<U, 2>::value) ||  
  260.                        (check<T, 2>::value && check<U, 1>::value),  
  261.     size_t>::type_t utf(const T* src, U* des)    // UTF-X(8/16) to UTF-Y(16/8)  
  262.     {  
  263.         if (!src || (*src) == 0) return 0;  
  264.    
  265.         size_t num = 0;  
  266.         while(*src)  
  267.         {  
  268.             // make utf-x to utf-32  
  269.             uint32 tmp;  
  270.             size_t len = utf(src, tmp);  
  271.             if (len == 0) break;  
  272.             src += len;  
  273.             // make utf-32 to utf-y  
  274.             len = utf(tmp, des);  
  275.             if (len == 0) break;  
  276.             if (des) des += len;  
  277.             num += len;  
  278.         }  
  279.         if (des) (*des) = 0;  
  280.         return num;  
  281.     }  
  282. }  


这样用起来就更加简单了:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. const char* c = "你好世界";  
  2. size_t n = nx::transform::utf(c, (wchar_t*)0);  

 

 


完整代码请参考:
https://code.google.com/p/nixy/source/browse/trunk/nixycore/string/transform.h

更多内容请访问:http://darkc.at

http://blog.csdn.net/markl22222/article/details/19770505

UTF-8、UTF-16、UTF-32编码的相互转换

标签:

原文地址:http://www.cnblogs.com/findumars/p/5017765.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!