<b>《UTF-8与GB2312之间的交换》的改良</b>[VC/C++编程]

近来,在做一个小程序的时刻,忽然碰到了汉字编码转换问题.关于如安在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之间的交换》,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. :）

在看代码的历程中,吴康彬用了很多字符串的转换,来举行2进制的运算,这就触及到大量的IO操作,效率必定对比低.并且编码转换的工作量常常非常大,因此效率问题很重要.并且,代码里,有很多,内存泄露问题,大概是作者过于器重实现,没有注意这些细节问题.

闲话少说,开始正题.在UTF-8,与UNICODE之间转换的时刻,用二进制运算,替换了字符串的转换.UTF-8一个汉字,用3个字节,而UNICODE用2个字节;对应关系以下:
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]
　　因此我们只需举行位操作,便可到达目的;如:

　// 把UTF-8转换成Unicode
　　　void 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高低字的次序,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　Unicode
　　 void CChineseCodeLib::Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer)
　　 {
　　　　 ::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);
　　　　 return;
　　 }
　　
　　 //GB2312 转为 UTF-8
　　 void 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)
　　　　　 {
　　　　　　　　　 //假如是英文直接复制便可以
　　　　　　　　　 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] = '''';
　
　　　　　 //返回后果
　　　　　 pOut = rst;　　　　　　
　　　　　 delete []rst;　
　　　　　
　　　　　 return;
　　 }
　　
　　 //UTF-8 转为 GB2312
　　 void 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] = '''';
　　　　
　　　　 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,欢送大家一同谈论; 觉觉罗....