c语言unicode与utf8转换（字符串转换成unicode编码）

今天给各位分享c语言unicode与utf8转换的知识，其中也会对字符串转换成unicode编码进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

1、用C语言如何将UTF-8编码的txt文件改成ANSI编码的文件，非常感谢！2、如何将一个汉字用C语言将其转换成Unicode编码最好直接编成UTF-8，是不是vc里面有函数可以直接编？求程序3、怎样用C语言实现汉字和ASCII码到UNICODE码的转换?4、请问如何用C语言实现汉字，和Unicode编码的转换？5、Unicode 与 UTF-8 之间的转换

用C语言如何将UTF-8编码的txt文件改成ANSI编码的文件，非常感谢！

《C语言将UTF-8编码的txt文件改成ANSI编码》百度网盘免费下载

链接:

提取码: id61   

C语言将UTF-8编码的txt文件改成ANSI编码

如何将一个汉字用C语言将其转换成Unicode编码最好直接编成UTF-8，是不是vc里面有函数可以直接编？求程序

#includestdio.h 

#includewindows.h 

void GetUtf8(unsigned short uni)  

{  

    unsigned char utf_8[3];  

    utf_8[0]=(0xe4) | ((uni  0xf000)12);//相当于把二进制1110右移12位  

    utf_8[1]=(0x26) | ((uni  0x0fc0)6); //相当于把二进制10右移16位  

    utf_8[2]=(0x26) | (uni  0x003f);      //相当于取二进制低6位  

    printf(“UTF-8编码的第一个字节为0x%.2x\n”,utf_8[0]);  

    printf(“UTF-8编码的第一个字节为0x%.2x\n”,utf_8[1]);  

    printf(“UTF-8编码的第一个字节为0x%.2x\n”,utf_8[2]);  

}  

void main()  

{  

char a[3];

   wchar_t str;

   printf(“输入一个汉字:\n”);

gets(a);

MultiByteToWideChar(CP_ACP, 0, a, -1, str, 1);

printf(“%s”, a);

    printf(“字Unicode编码为%x\n”,(unsigned short)str);  

    GetUtf8((unsigned short)str);

}

怎样用C语言实现汉字和ASCII码到UNICODE码的转换?

用MultiByteToWideChar和WideCharToMultiByte可以做到编码的转换。

MultiByteToWideChar是一个windows API 函数，该函数映射一个字符串到一个宽字符（unicode）的字符串。

函数原型：

int MultiByteToWideChar(

UINT CodePage,

DWORD dwFlags,

LPCSTR lpMultiByteStr,

int cchMultiByte,

LPWSTR lpWideCharStr,

int cchWideChar

);

参数：

CodePage：指定执行转换的字符集，这个参数可以为系统已安装或有效的任何字符集所给定的值。你也可以指定其为下面的任意一值：

CP_ACP：ANSI字符集；CP_MACCP：Macintosh代码页；CP_OEMCP：OEM代码页；

CP_SYMBOL：符号字符集（42）；CP_THREAD_ACP：当前线程ANSI代码页；

CP_UTF7：使用UTF-7转换；CP_UTF8：使用UTF-8转换。

dwFlags：一组位标记用以指出是否未转换成预作或宽字符（若组合形式存在），是否使用象形文字替代控制字符，以及如何处理无效字符。你可以指定下面是标记常量的组合，含义如下：

MB_PRECOMPOSED：通常使用预作字符——就是说，由一个基本字符和一个非空字符组成的字符只有一个单一的字符值。这是缺省的转换选择。不能与

MB_COMPOSITE值一起使用。

MB_COMPOSITE：通常使用组合字符——就是说，由一个基本字符和一个非空字符组成的字符分别有不同的字符值。不能与MB_PRECOMPOSED值一起使用。

MB_ERR_INVALID_CHARS：如果函数遇到无效的输入字符，它将运行失败，且GetLastErro返回ERROR_NO_UNICODE_TRANSLATION值。

MB_USEGLYPHCHARS：使用象形文字替代控制字符。

组合字符由一个基础字符和一个非空字符构成，每一个都有不同的字符值。每个预作字符都有单一的字符值给基础/非空字符的组成。在字符è中，e就是基础字符，而重音符标记就是非空字符。

函数的缺省动作是转换成预作的形式。如果预作的形式不存在，函数将尝试转换成组合形式。

标记MB_PRECOMPOSED和MB_COMPOSITE是互斥的，而标记MB_USEGLYPHCHARS和MB_ERR_INVALID_CHARS则不管其它标记如何都可以设置。

lpMultiByteStr：指向将被转换字符串的字符。

cchMultiByte：指定由参数lpMultiByteStr指向的字符串中字节的个数。如果lpMultiByteStr指定的字符串以空字符终止，可以设置为-1（如果字符串不是以空字符中止，设置为-1可能失败，可能成功），此参数设置为0函数将失败。

lpWideCharStr：指向接收被转换字符串的缓冲区。

cchWideChar：指定由参数lpWideCharStr指向的缓冲区的宽字符个数。若此值为零，函数返回缓冲区所必需的宽字符数，在这种情况下，lpWideCharStr中的缓冲区不被使用。

返回值：

如果函数运行成功，并且cchWideChar不为零，返回值是由lpWideCharStr指向的缓冲区中写入的宽字符数；如果函数运行成功，并且cchWideChar为零，返回值是接收到待转换字符串的缓冲区所需求的宽字符数大小。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。它可以返回下面所列错误代码：

ERROR_INSUFFICIENT_BUFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

WideCharToMultiByte，该函数映射一个unicode字符串到一个多字节字符串。

函数原型：

int WideCharToMultiByte(

UINT CodePage, //指定执行转换的代码页

DWORD dwFlags, //允许你进行额外的控制，它会影响使用了读音符号（比如重音）的字符

LPCWSTR lpWideCharStr, //指定要转换为宽字节字符串的缓冲区

int cchWideChar, //指定由参数lpWideCharStr指向的缓冲区的字符个数

LPSTR lpMultiByteStr, //指向接收被转换字符串的缓冲区

int cchMultiByte, //指定由参数lpMultiByteStr指向的缓冲区最大值

LPCSTR lpDefaultChar, //遇到一个不能转换的宽字符，函数便会使用pDefaultChar参数指向的字符

LPBOOL pfUsedDefaultChar //至少有一个字符不能转换为其多字节形式，函数就会把这个变量设为TRUE

);

参数：

CodePage：指定执行转换的代码页，这个参数可以为系统已安装或有效的任何代码页所给定的值。你也可以指定其为下面的任意一值：

CP_ACP：ANSI代码页；CP_MACCP：Macintosh代码页；CP_OEMCP：OEM代码页；

CP_SYMBOL：符号代码页（42）；CP_THREAD_ACP：当前线程ANSI代码页；

CP_UTF7：使用UTF-7转换；CP_UTF8：使用UTF-8转换

返回值：

如果函数运行成功，并且cchMultiByte不为零，返回值是由 lpMultiByteStr指向的缓冲区中写入的字节数；如果函数运行成功，并且cchMultiByte为零，返回值是接收到待转换字符串的缓冲区所必需的字节数。如果函数运行失败，返回值为零。若想获得更多错误信息，请调用GetLastError函数。它可以返回下面所列错误代码：

ERROR_INSUFFICIENT_BJFFER；ERROR_INVALID_FLAGS；

ERROR_INVALID_PARAMETER；ERROR_NO_UNICODE_TRANSLATION。

注意：指针lpMultiByteStr和lpWideCharStr必须不一样。如果一样，函数将失败，GetLastError将返回ERROR_INVALID_PARAMETER的值。　

Windows CE：不支持参数CodePage中的CP_UTF7和CP_UTF8的值，以及参数dwFlags中的WC_NO_BEST_FIT_CHARS值。

请问如何用C语言实现汉字，和Unicode编码的转换？

字转换：wctomb、mbtowc，wc 指 Wide charactor，mb 指 Multi-byte。

字符串转换：wcstombs、mbstowcs，wcs 和 mbs 的 s 指 string。

这 4 个函数是 C 标准函数库函数中的。如果只是在 Windows 平台下编程，可直接调用 Windows API 函数 WideCharToMultiByte 和 MultiByteToWideChar 实现。但是如果调用标准库函数的话，在 Linux 下也是有效的。调用标准库函数，首先必须包含 locale.h 并调用 setlocale(LC_ALL, “”) 后才能正确转换。Windows 下的 Multi-byte 是 ANSI 编码的，Wide charactor 是 Unicode (UTF-16) 编码，而 Linux 下的 Multi-byte 是 UTF-8 编码的，Wide charactor 是 Unicode (UTF-32) 编码。

#include stdio.h

#include stdlib.h

#include locale.h

int main(void)

{

char str[12];

wchar_t wstr[] = { 0x52B3, 0x788C, 0 };

setlocale(LC_ALL, “”);

wcstombs(str, wstr, sizeof(str)/sizeof(char));

printf(“%s”, str);

return 0;

}

Unicode 与 UTF-8 之间的转换

在讨论 Unicode 的时候，我们不得不提及 ASCII 码。

从它的名字中我们可以了解这是美国人定义的标准，迄今为止一共定义了 128 个字符，主要支持英文字母的编码，而没有考虑到其它国家的语言，比如我国的汉字。所以，为了解决传统字符编码方案的局限诞生了 Unicode。

Unicode 为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

Unicode 虽然解决了 ASCII 码的兼容性问题，但是它又带来了新的问题。ASCII 只需要 1 个字节就能解决英文世界的字符编码，而 Unicode 为了支持多语言，最多需求 4 个字节的编码空间。也就是说，一篇纯英文文章以 Unicode 编码存储在计算机中所消耗的内存是要大于以 ASCII 编码进行存储的，这不就造成内存资源的浪费了吗？所以这就有了 UTF-8。

UTF-8（8-bit Unicode Transformation Format）是一种针对 Unicode 的可变长度实现方式。准确来的说，UTF-8 并不是一种编码方式，什么是编码方式？我们上面提到的 ASCII 和 Unicode 就是编码方式，而 UTF-8 是 Unicode 的其中一种实现方式。实现方式不同于编码方式，一个字符的 Unicode 编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不一定一致，以及处于节省空间的目的，对 Unicode 编码的实现方式有所不同。Unicode 的实现方式称为 Unicode 转换格式 （Unicode Transformation Format，简称为 UTF）。Unicode 的实现方式还包括 UTF-7、Punycode、CESU-8、SCSU、UTF-32、GB18030 等。

接下来我们就来看一下 UTF-8 是如何解决 Unicode 的空间浪费问题。根据最新的规范，UTF-8 使用一至四个字节为每个字符编码，也就是说是可变长度的。其编码中的第一个字节仍与 ASCII 兼容，这使得原来处理 ASCII 字符的软件无须或只须做少部分修改，就可以继续使用。

我们以 汉字“码” 为例，根据上表（表格来自于维基百科）进行转换。首先“码”的 Unicode 编码为 U+7801，显然位于表中第三行的 U+0800 和 U+FFFF 之间。U+7801 对应的 16 进制编码为 7801，将其转换为二进制 111 1000 0000 0001。然后，我们把得到的二进制编码从右到左依次替换到 1110xxxx 10xxxxxx 10xxxxxx 里的 x 位置上，不够的位置用 0 来补足。最终我们得到一串二进制数据 1110 0111 1010 0000 1000 0001，这串数据就是汉字“码”对应的 UTF-8 编码。

关于c语言unicode与utf8转换和字符串转换成unicode编码的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。