《UTF-8与GB2312之间的互换》的改进

《UTF-8与GB2312之间的互换》的改进

下载源代码

　　最近，在做一个小程序的时候，突然遇到了汉字编码转换问题。关于如何在UTF-8与GB2312之间转换的问题。在VC知识库里看到吴康彬的文章《UTF-8与GB2312之间的互换》，文章浅显易懂，代码也不长。省了我不少的找资料的时间。在此谢谢了。：）
　　在看代码的过程中，吴康彬用了许多字符串的转换，来进行2进制的运算，这就涉及到大量的IO操作，效率肯定比较低。而且编码转换的工作量往往非常大，因此效率问题很重要。而且，代码里，有许多，内存泄漏问题，可能是作者过于重视实现，没有注意这些细节问题。
　　闲话少说，开始正题。在UTF-8,与UNICODE之间转换的时候，用二进制运算，代替了字符串的转换。UTF-8一个汉字，用3个字节，而UNICODE用2个字节；对应关系如下：

UTF-8编码：         [1,1,1,0,A5,A6,A7,A8],    [1,0,B3,B4,B5,B6,B7,B8],            [1,0,C3,C4,C5,C6,C7,C8];

对应的UNICODE编码：

[A5,A6,A7,A8,B3,B4,B5,B6],         [B7,B8,C3,C4,C5,C6,C7,C8]

因此我们只需进行位操作，即可达到目的；如：

      // 把UTF-8转换成Unicodevoid CChineseCodeLib::UTF_8ToUnicode(WCHAR* pOut,char *pText){char* uchar = (char *)pOut;uchar[1] = ((pText[0] & 0x0F) << 4) + ((pText[1] >> 2) & 0x0F);uchar[0] = ((pText[1] & 0x03) << 6) + (pText[2] & 0x3F);return;}

     // Unicode 转换成UTF-8 void CChineseCodeLib::UnicodeToUTF_8(char* pOut,WCHAR* pText){// 注意 WCHAR高低字的顺序,低字节在前，高字节在后char* pchar = (char *)pText;pOut[0] = (0xE0 | ((pchar[1] & 0xF0) >> 4));pOut[1] = (0x80 | ((pchar[1] & 0x0F) << 2)) + ((pchar[0] & 0xC0) >> 6);pOut[2] = (0x80 | (pchar[0] & 0x3F));return;}

     // 把Unicode 转换成 GB2312 void CChineseCodeLib::UnicodeToGB2312(char* pOut,unsigned short uData){WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);return;}

     // GB2312 转换成　Unicodevoid CChineseCodeLib::Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer){::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);return;}

     //GB2312 转为 UTF-8void CChineseCodeLib::GB2312ToUTF_8(string& pOut,char *pText, int pLen){char buf[4];char* rst = new char[pLen + (pLen >> 2) + 2];memset(buf,0,4);memset(rst,0,pLen + (pLen >> 2) + 2);int i = 0;int j = 0;      while(i < pLen){//如果是英文直接复制就可以if( *(pText + i) >= 0){rst[j++] = pText[i++];}else{WCHAR pbuffer;Gb2312ToUnicode(&pbuffer,pText+i);UnicodeToUTF_8(buf,&pbuffer);unsigned short int tmp = 0;tmp = rst[j] = buf[0];tmp = rst[j+1] = buf[1];tmp = rst[j+2] = buf[2];j += 3;i += 2;}}rst[j] = ''\0'';//返回结果pOut = rst;             delete []rst;   return;}

     //UTF-8 转为 GB2312void CChineseCodeLib::UTF_8ToGB2312(string &pOut, char *pText, int pLen){char * newBuf = new char[pLen];char Ctemp[4];memset(Ctemp,0,4);int i =0;int j = 0;while(i < pLen){if(pText[i] > 0){newBuf[j++] = pText[i++];                       }else                 {WCHAR Wtemp;UTF_8ToUnicode(&Wtemp,pText + i);UnicodeToGB2312(Ctemp,Wtemp);newBuf[j] = Ctemp[0];newBuf[j + 1] = Ctemp[1];i += 3;    j += 2;   }}newBuf[j] = ''\0'';pOut = newBuf;delete []newBuf;return; }

　　代码在WIN2K,VC++60 下编译，测试通过. 就说这么多吧，具体的大家看代码吧。草草的写的，大家莫笑，欢迎大家一起讨论；觉觉罗。。。。

《UTF-8与GB2312之间的互换》的改进相关推荐

UTF-8与GB2312之间的互换
UTF-8与GB2312之间的互换相信一定有不少的程序开发人员时常会遇到字符编码的问题,而这个问题也是非常让人头痛的.因为这些都是潜在的错误,要找出这些错误也得要有这方面的开发经验才行.特别是在处理 ...
Java黑皮书课后题第5章：5.6（英里与千米之间的互换）编写一个程序，并排显示下面两个表格
5.6(英里与千米之间的互换)编写一个程序,并排显示下面两个表格题目题目概述破题代码题目题目概述 5.6(英里与千米之间的互换)编写一个程序,并排显示下面两个表格英里千米千米英里 ...
Java黑皮书课后题第5章：5.5（千克与磅之间的互换）编写一个程序，并排显示下面两个表格
5.5(千克与磅之间的互换)编写一个程序,并排显示下面两个表格题目题目概述破题代码题目题目概述 5.5(千克与磅之间的互换)编写一个程序,并排显示下面两个表格千克磅磅千克 1 2. ...
jQuery实现两个列表框的值之间的互换：
jQuery实现两个列表框的值之间的互换: 截图如下: 代码如下: <%@ page language="java" import="java.util.*&quo ...
第五章第六题（英里与千米之间的互换）(Conversion from mile to kilometer and kilometer to mile)
5.6(英里与千米之间的互换)编写一个程序,并排显示下列两个表格. 英里千米千米英里 1 1.609 20 12.430 2 3.218 25 15.538 -- -- -- -- 9 14.4 ...
[转]UTF-8 GBK UTF8 GB2312 之间的区别和关系
from http://www.cnblogs.com/xiaomia/archive/2010/11/28/1890072.html UTF-8:Unicode TransformationForm ...
科普：UTF-8 GBK UTF8 GB2312 之间的区别和关系
UTF-8:Unicode TransformationFormat-8bit,允许含BOM,但通常不含BOM.是用以解决国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24为(三 ...
UTF-8 GBK GB2312 之间的区别和关系
UTF-8:Unicode TransformationFormat-8bit,允许含BOM,但通常不含BOM.是用以解决国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24为(三 ...
UTF-8 GBK UTF8 GB2312 之间的区别和关系
UTF-8:Unicode TransformationFormat-8bit,允许含BOM,但通常不含BOM.是用以解决国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24为(三 ...

《UTF-8与GB2312之间的互换》的改进

《UTF-8与GB2312之间的互换》的改进相关推荐

最新文章

热门文章