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。