Source Insight完美转换UTF-8 到 GB2312

Source Insight完美转换UTF-8 到 GB2312

文/蒹葭

前言

很多人用source insight 打开某些源码文件时，汉字显示为一堆乱码。这个问题是因为编码方式不同。记事本和一些编辑器默认编码方式是ANSI，在这种方式下输入汉字，其实就是GB系列的编码方式。不幸的是，广收欢迎的代码查看工具Source insight 虽然支持汉字，但是它不支持UTF-8。笔者感到疑惑的是，当初开发source insight的这帮人现在哪里去了？为何不继续开发？这么好的工具，却不再更新了，实在让人可惜。

可惜归可惜，程序还是要看。乱码怎么办？很多人用笨方法，用记事本打开源代码，再另存为ANSI格式的文件。如果文件只有几个，倒是既简单又实惠，然而，当你碰到成百上千的代码文件都是UTF-8时，你就会觉得这是梦魇了。

不过，不要怕。现在，完美的解决方法来了。（貌似跟做广告一样）

概述

本程序是参考网上源代码修改而成。感谢原作者将该代码开源，我的工作只需在他的基础上进行修改就可以了，省去了大量的工作，使得我花了一个下午的时间就改成我所想要的程序。这就是开源的好处。所以说开源能帮助人们更快的开发出更好的软件，开源万岁。希望看到本文的读者，也能为开源事业贡献自己的一份力量。虽然说，此类代码到处都有，不足为奇，但这个代码在我改进之后，还是具有一些优点：

l         命令行执行  改进前的程序只能单独执行，根据提示输入参数和要转换的目录或文件；改进后的程序可集成到编辑器，集成开发环境(IDE)中。下文将会介绍如何集成到source insight中。

l         智能识别编码方式  原来的程序不能识别编码方式。如果转换时选择了一个非UTF-8编码的文件，转换后就成了乱码；改进后的程序能智能识别编码方式，无论是UTF-8文件是BOM格式还是非BOM格式，都能识别。对于纯ASCII码的文件，也能识别。

l         支持批处理  改进前的程序有bug，对目录支持不完善；改进后的程序能很好的支持批处理。

 

目前，这个程序只针对源代码文件编写，支持后缀名为 .c .cpp .cxx .h .xml .java .txt等文件。如确实有需要，今后将支持更多类型的文件编码格式转换。

 

如何集成到 source insight?

下面，先介绍如何集成到 source insight里。本人使用的汉化版，如英文版请对照执行。

文件转换命令    该命令能将当前打开的文件进行编码转换。很简单，步骤如下：

在source insight里，选择 “选项”—“自定义命令”，弹出对话框后，点击“添加”，输入新命令名 CodeConvert File 。确定后，点击“浏览”，选择我们的codeConvert.exe程序路径。在输入框里加上参数” –u2g %f” （注意空格,双引号不要）。

这样，这个文件转换命令就添加成功。打开某个文件，按照上面步骤，选择该自定义命令点击“运行”，即可进行转换。

目录转换命令    该命令能将当前打开的文件所在的文件夹进行编码转换。步骤同上，只是在输入框里的参数改为” –u2g %d” （注意空格,双引号不要）。

怎么样？在source insight里点几下，就能转换了。混沌世界一下子清晰了。

主要源码部分

这是检测文件是否是UTF-8格式的函数，其他部分不再一一列出，请参考源代码。

/*!  detect if the fiel is UTF-8 code

/param LPCTSTR filename

/return true/false

*/

bool detect_utf8file(LPCTSTR filename)

{

       const unsigned char BOM[3] = {0xEF,0xBB,0xBF};

       int count_good_utf = 0;

       int count_bad_utf = 0;

       int begin = 0;

       char buf[3]={0,};

       CStdioFile file_r ;

       if(!file_r.Open((char*)(LPCTSTR)filename, CStdioFile::modeReadWrite))

              return false;

 

       file_r.Read(buf,3);

       if(!strncmp(buf,(char *)BOM,3)) {

              std::cout<<"this is utf(BOM). "<<endl;

              file_r.Close();

              return true;

       }

       else {    // detect the whole file

       //     UTF-8 text encoding auto-detection

       //     count the following pairs of consecutive bytes as shown in the table:

       //     11..  10..  good

       //     00..  10..  bad

       //     10..  10..  don't care

       //     11..  00..  bad

       //     11..  11..  bad

       //     00..  00..  don't care

       //     10..  00..  don't care

       //     00..  11..  don't care

       //     10..  11..  don't care

              char current_byte,previous_byte;

              file_r.SeekToBegin();

              file_r.Read(&current_byte,1);

              previous_byte = current_byte;

              while(file_r.Read(&current_byte,1)) {

                     if ((current_byte & 0xC0) == 0x80) {

                            if ((previous_byte & 0xC0) == 0xC0) {

                                   count_good_utf ++;

                            } else if ((previous_byte & 0x80) == 0x00) {

                                   count_bad_utf ++;

                            }

                     } else if ((previous_byte & 0xC0) == 0xC0 ){

                            count_bad_utf ++;

                     }

                     previous_byte = current_byte;

              }

              //     the comparison ">=" handles pure ASCII files as UTF-8,

              //     replace it with ">" to change that

 

              if(count_good_utf > count_bad_utf) {

                     file_r.Close();

                     std::cout<<"the code of this file is utf(no BOM). "<<endl;

                     return true;

              } else if(count_good_utf == count_bad_utf) {

                     file_r.Close();

                     std::cout<<"the code of this file is pure ASCII file as UTF-8. "<<endl;      

                     return true;

              }

              else {

                     file_r.Close();

                     std::cout<<"the code of this file is not utf. "<<endl;

                     return false;   

              }

       }

      

}

 

程序虽然能运行，但是我相信还有bug，还可以完善。本人知识有限，如有不当之处还请多多指正，大家共同进步。源代码在http://download.csdn.net/source/1741768 ，好像CSDN只能在那里上传代码。