5

我正在尝试使用 iconv(3) 使用下面的代码将宽字符串转换为 UTF-8。当我运行以下命令时，iconv 调用返回 E2BIG，就好像输出缓冲区中没有足够的可用空间字节一样。尽管（我认为）我已经调整了输出缓冲区的大小以承认 UTF-8 的最坏情况扩展，但还是会发生这种情况。事实上，假设输入是一个简单的 ASCII 'A'，编码为 wchar_t 后跟零 wchar_t 终止符，输出应该正好是两个字节/字符：一个 'A' 后跟一个 '\0'。

我的 Linux 系统上的“man utf-8”表示 UTF-8 字节序列的最大长度为 6 个字节，所以我相信对于 2 个 wchar_ts（一个字符后跟空终止符）的输入缓冲区，使（在我的系统）总共 8 个字节（因为 sizeof(wchar_t) == 4），12 个字节的缓冲区（2 * UTF8_SEQUENCE_MAXLEN）应该足够了。

通过实验，如果我将 UTF8_SEQUENCE_MAXLEN 增加到 16，iconv 的返回值表示成功（15 仍然失败）。但是我看不到任何 wchar_t 值在以 UTF-8 编码时会占用这么多字节的任何方式。

我的计算有问题吗？16 字节的 UTF-8 序列是否可能？我做错了什么？

#include <stdio.h>
#include <stdlib.h>
#include <iconv.h>
#include <wchar.h>

#define UTF8_SEQUENCE_MAXLEN 6
/* #define UTF8_SEQUENCE_MAXLEN 16 */

int
main(int argc, char **argv)
{
    wchar_t *wcs = L"A";
    signed char utf8[(1 /* wcslen(wcs) */ + 1 /* L'\0' */) * UTF8_SEQUENCE_MAXLEN];
    char *iconv_in = (char *) wcs;
    char *iconv_out = (char *) &utf8[0];
    size_t iconv_in_bytes = (wcslen(wcs) + 1 /* L'\0' */) * sizeof(wchar_t);
    size_t iconv_out_bytes = sizeof(utf8);
    size_t ret;
    iconv_t cd;

    cd = iconv_open("WCHAR_T", "UTF-8");
    if ((iconv_t) -1 == cd) {
        perror("iconv_open");
        return EXIT_FAILURE;
    }

    ret = iconv(cd, &iconv_in, &iconv_in_bytes, &iconv_out, &iconv_out_bytes);
    if ((size_t) -1 == ret) {
        perror("iconv");
        return EXIT_FAILURE;
    }

    return EXIT_SUCCESS;
}
4

1 回答 1

10

iconv_open 的参数是错误的。参数的顺序是（到，从），而不是（从，到），正如手册页中明确说明的那样。

因此，改变

iconv_open("WCHAR_T", "UTF-8");

至

iconv_open("UTF-8", "WCHAR_T");

导致上面的（否则未更改）代码按预期工作。

哦。需要更仔细地阅读手册页。

于 2013-11-03T10:36:39.977 回答