我的问题很简单,但到目前为止我找不到解决方案:
如何在不使用任何额外库(如 libiconv)的情况下将编码的 UTF8 转换为 C++编码string
的 latin1 ?string
到目前为止,我能找到的每个示例都是针对 latin1 到 UTF8 的转换?
我的问题很简单,但到目前为止我找不到解决方案:
如何在不使用任何额外库(如 libiconv)的情况下将编码的 UTF8 转换为 C++编码string
的 latin1 ?string
到目前为止,我能找到的每个示例都是针对 latin1 到 UTF8 的转换?
typedef unsigned value_type;
template <typename Iterator>
size_t get_length (Iterator p)
{
unsigned char c = static_cast<unsigned char> (*p);
if (c < 0x80) return 1;
else if (!(c & 0x20)) return 2;
else if (!(c & 0x10)) return 3;
else if (!(c & 0x08)) return 4;
else if (!(c & 0x04)) return 5;
else return 6;
}
template <typename Iterator>
value_type get_value (Iterator p)
{
size_t len = get_length (p);
if (len == 1)
return *p;
value_type res = static_cast<unsigned char> (
*p & (0xff >> (len + 1)))
<< ((len - 1) * 6);
for (--len; len; --len)
res |= (static_cast<unsigned char> (*(++p)) - 0x80) << ((len - 1) * 6);
return res;
}
此函数将返回 unicode 代码点p
。您现在可以使用转换字符串
for (std::string::iterator p = s_utf8.begin(); p != s_utf8.end(); ++p)
{
value_type value = get_value<std::string::iterator&>(p));
if (value > 0xff)
throw "AAAAAH!";
s_latin1.append(static_cast<char>(value));
}
没有保证,代码很旧:)
这是我为我的目的而写的电影人回答的一个版本。更具可读性,可能会慢一些。我不需要模板的东西,因为我一直在处理char *
,在我的情况下,我想用 _ 替换非拉丁语字符。以防万一它可以帮助某人:
int GetUtf8CharacterLength( unsigned char utf8Char )
{
if ( utf8Char < 0x80 ) return 1;
else if ( ( utf8Char & 0x20 ) == 0 ) return 2;
else if ( ( utf8Char & 0x10 ) == 0 ) return 3;
else if ( ( utf8Char & 0x08 ) == 0 ) return 4;
else if ( ( utf8Char & 0x04 ) == 0 ) return 5;
return 6;
}
char Utf8ToLatin1Character( char *s, int *readIndex )
{
int len = GetUtf8CharacterLength( static_cast<unsigned char>( s[ *readIndex ] ) );
if ( len == 1 )
{
char c = s[ *readIndex ];
(*readIndex)++;
return c;
}
unsigned int v = ( s[ *readIndex ] & ( 0xff >> ( len + 1 ) ) ) << ( ( len - 1 ) * 6 );
(*readIndex)++;
for ( len-- ; len > 0 ; len-- )
{
v |= ( static_cast<unsigned char>( s[ *readIndex ] ) - 0x80 ) << ( ( len - 1 ) * 6 );
(*readIndex)++;
}
return ( v > 0xff ) ? 0 : (char)v;
}
// overwrites s in place
char *Utf8ToLatin1String( char *s )
{
for ( int readIndex = 0, writeIndex = 0 ; ; writeIndex++ )
{
if ( s[ readIndex ] == 0 )
{
s[ writeIndex ] = 0;
break;
}
char c = Utf8ToLatin1Character( s, &readIndex );
if ( c == 0 )
{
c = '_';
}
s[ writeIndex ] = c;
}
return s;
}
测试代码:
char s2[ 256 ] = "lif\xc3\xa9 is b\xc3\xa9tt\xc3\xa9r with acc\xc3\xa9nts";
Utf8ToLatin1String( s2 );
latin1
(aka ISO-8859-1
) 定义了 Unicode 的前 256 个代码点。因此,在 中UTF-8
,如果您的字符是 8 位,那么它将完全映射到latin1
等价物。如果它的长度超过 8 位,则其中没有对应的latin1
,您应该将其映射到某个“未知字符”(例如,\0
或?)。