c语言怎么把UTF-8转换成Unicode
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。
#include <memory.h>
#include <string.h> /************************************************************************************************* * 将UTF8编码转换成Unicode（UCS-2）编码 * 参数： * char* pInput 指向输入字符串（以'\0'结尾）的指针 * char** ppOutput 指向输出字符串指针的指针 * 返回值： * 返回转换后的Unicode字符串的字节数，如果出错则返回-1 * 注意： * 1. UTF8没有字节序问题，但是Unicode字符有字节序， * 字节序分为大端（Big Endian）和小端（Little Endian）两种， * 在Intel处理器中采用小端法表示，因此本例中采用小端法表示。（低地址存低位） * 2. 在调用本函数后需要手动释放 *ppOutput 指向的内存，否则将会造成内存泄漏。 **************************************************************************************************/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间
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;
} //一个调用示例int main(int argc, char** argv)
{ //汉字“我”的UTF8编码是 E6 88 91，Unicode编码是 62 11
char str[4] = {(char)0xE6, (char)0x88, (char)0x91, (char)0x00};
char* uni = NULL; int num = utf8_to_unicode(str, &uni); if (num == -1)
{
printf("Error!\n");
}
else
{
char* p = uni;
for (int i = 0; i < num; i++)
{
printf("%02X", *p);
p++;
}
printf("\n");
} free(uni); //释放内存 return 0;
}
