0

我有以下代码，代码中的注释说它将任何大于7FUTF-8 的字符转换。我对此代码有以下问题：

if((const unsigned char)c > 0x7F)
  {
    Buffer[0] = 0xC0 | ((unsigned char)c >> 6);
    Buffer[1] = 0x80 | ((unsigned char)c & 0x3F);
    return Buffer;
  }
  1. 这段代码是如何工作的？
  2. 我正在使用的当前 Windows 代码页对放置的字符有任何影响Buffer吗？
4

1 回答 1

10

对于初学者来说，代码通常不起作用。巧合的是，如果char(or ) 中的编码unsigned char是 ISO-8859-1，它就可以工作，因为 ISO-8859-1 具有与前 256 个 Unicode 代码点相同的代码点。但 ISO-8859-1 已在很大程度上被 ISO-8859-15 取代，因此它可能行不通。（例如，尝试 0xA4。ISO-8859-15 中的欧元符号。它会给你一个完全不同的字符。）

有两种正确的方法可以进行这种转换，这两种方法都取决于知道输入字节的编码（这意味着您可能需要多个版本的代码，具体取决于编码）。最简单的就是拥有一个包含 256 个字符串的数组，每个字符一个，并对其进行索引。在这种情况下，您不需要if. 另一种是将代码转换为 Unicode 代码点（32 位 UTF-32），并将其转换为 UTF-8（某些字符可能需要两个以上字节：欧元字符为 0x20AC：0xE2、0x82、0xAC ）。

编辑：

有关 UTF-8 的良好介绍：http: //www.cl.cam.ac.uk/~mgk25/unicode.html。标题说它适用于 Unix/Linux，但其中几乎没有系统特定信息（如果有的话）（并且这些信息已明确标记）。

于 2013-08-01T15:45:16.590 回答