移动开发中的字符集转换问题

dn001 2010-05-11 22:49:47

2． UTF-8

UTF-8 字符由一个以上的字节组成，其中可以根据第一个字节来判断该字符的长度：第一个字节中高位连续几个值为 1 的个数即表示该字符有多少个字节，如果是由两个以上的字节组成，则第二个字节以后的所有字节高两位都是“ 10 。 ASCII 码和 UTF-8 字符表示形式是一样的，所以二者之间可以不用进行特殊转换。 UTF-8 字符的一个优势是没有字节顺序，不象 UCS2 有字节顺序之分，所以很多平台采用了 UTF-8 字符来表示，其实 UTF-8 在网络通信中是最常用的。

UTF-8 à UCS2 ：只要把 UTF-8 字符中表示字节个数的 1 和紧随其后的 0 去掉，以及后面字节头两位的“ 10 去掉，最后重新合并剩下的位，组合起来就是 UCS2 字符了，当然，如果 UTF-8 字符是 ASCII 码，则处理方法是不一样的：要加个空字节。处理方法如下面的代码： ( 在 windows CE 中可以调用 MultiByteToWideChar 来实现，其中第一个参数设为 CP_UTF8)

char * UTF8toUCS2(char *str,unsigned long *len)

{

unsigned long res,i;

char *p,*q,*ucs2 = NULL;

if(str==0) return 0;

p=str;

res=0;

q=(char*)malloc(*len*2+1);

if(q==NULL)

return NULL;

if(q) ucs2=q;

p=str;

for(i=0;i<*len;)

{

if(*p<0xa0)

{

*q++=0x00;

*q++=*p++;

i++;

}

else if(*p<0xe0)

{

*q++=(char)(*p>>2 & 0x07);

*q++=(char)(*p<<6|(*(p+1)&0x3f));

p+=2;

i+=2;

}else

{

*q++=(char)(*p<<4|(char)(*(p+1)>>2)&0x0f);

*q++=(char)(*(p+1)<<6|(*(p+2)&0x3f));

p+=3;

i+=3;

}

if(len != NULL)

*len=(unsigned long)(q-ucs2);

return ucs2;

}

UTF-8 à GB2312 ：同 UCS2 一样，没有直接的对应关系，大部分平台没有提供二者之间的直接转换方法，必须先把 UTF-8 转换成 UCS2 字符，然后再把 UCS2 字符转换成 GB2312 字符，反过来要把 GB2312 字符转换成 UTF-8 字符，也是要先转换成 UCS2 字符。