C语言将字符转十六进制

在格式转换中，对于字符的处理，需要知道几种编码格式。下面这两篇博客对unicode,utf-8有比较详细的描述。

https://blog.csdn.net/zhusongziye/article/details/84261211?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

https://blog.csdn.net/qq_24326765/article/details/82183167

这篇博客讲的是，首先从内存中读入一个字符，然后将字符通过格式转换，转成另一种格式的字符串（16进制）。

这里会用到几个关键技术：

Unicode 与 UTF-8 互转

1. UTF-8 的编码规则是：

① 对于单字节的符号，字节的第一位设为 0，后面的7位为这个符号的 Unicode 码，因此对于英文字母，UTF-8 编码和 ASCII 码是相同的。 

② 对于n字节的符号（n>1）,第一个字节的前 n 位都设为 1，第 n+1 位设为 0，后面字节的前两位一律设为 10，剩下的没有提及的二进制位，全部为这个符号的 Unicode 码 。

举个例子：比如说一个字符的 Unicode 编码是 130，显然按照 UTF-8 的规则一个字节是表示不了它（因为如果是一个字节的话前面的一位必须是 0），所以需要两个字节(n = 2)。

根据规则，第一个字节的前 2 位都设为 1，第 3(2+1) 位设为 0，则第一个字节为：110X XXXX，后面字节的前两位一律设为 10，后面只剩下一个字节，所以后面的字节为：10XX XXXX。

所以它的格式为 110XXXXX 10XXXXXX 。

那么对于一个具体的 Unicode 编号，具体怎么进行 UTF-8 的编码呢？

首先找到该 Unicode 编号所在的编号范围，进而可以找到与之对应的二进制格式，然后将该 Unicode 编号转化为二进制数（去掉高位的 0），最后将该二进制数从右向左依次填入二进制格式的 X 中，如果还有 X 未填，则设为 0 。

比如：“马”的 Unicode 编号是：0x9A6C，整数编号是 39532，对应第三个范围（2048 - 65535），其格式为：1110XXXX 10XXXXXX 10XXXXXX，39532 对应的二进制是 1001 1010 0110 1100，将二进制填入进入就为： 

11101001 10101001 10101100 。

 

2. 将UTF-8转换成Unicode

继续拿上面的数值举例，现在有一个UTF-8编码为1110XXXX 10XXXXXX 10XXXXXX的字符，如何转换成Unicode？

UTF-8： 11101001 10101001 10101100

(1) 将*current_char指向低位地址的11101001，*(current_char+1)则指向的是中间字节10101001, *(current_char+2)则指向的是高位的10101100

(2) 转换第一个字节：

*current_char & 0x0F << 4 得到-> 10010000，*(current+1) &0x3C >>2 得到->00001010，接着

(*current_char & 0x0F << 4) | (*（current+1) &0x3C >>2) -> 10011010

(3) 转换第二个字节：

*(current+1) &0x03 << 6 得到->01000000，*(current+2) &0x3F>>2 得到->00101100，接着

(*(current+1) &0x03 << 6) | (*(current+2) &0x3F>>2) ->01101100

(4) 拼接两个字节：

char *unicode;

sprintf(unicode, "\\u%02X02X", (*current_char & 0x0F << 4) | (*（current+1) &0x3C >>2),

                                                  (*(current+1) &0x03 << 6) | (*(current+2) &0x3F>>2)))

下面是简化的代码：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int dec2hex(char *in);

int main(void)
{
	//输入一个字符串
	int i, str_len;
	char *str = (char *)malloc(sizeof(char) * 12);
	str = "hello";
	char *current_char;				//当前字符

	printf("size of str = %d.\n", str_len = strlen(str));
	
	//将每一个字符放入指针
	for (i = 0; i < str_len; i++) {
		current_char = &str[i];
		printf("before convert, current_char[%d] = %c. 0d = %d. \n", i, *current_char, (int)*current_char);
		dec2hex(current_char);
	}

	//输出一个utf8
	free(str);

	return 0;
}

int dec2hex(char *in)
{
	char *utf8 = (char*)malloc(sizeof(char)*8);
	sprintf(utf8, "\\u%02X", (0x0F & *in) << 4);
	printf("after convert, current_char = %s.\n", utf8);
	return 0;
}

与运算

0，1 和 1 做与运算都得到自身，因此0x0F & char，就是取char的低四位

移位

经过与运算取到char的低四位后，<<4，左移4位，即把char的低四位顶到了高四位，原来的低四位补零

如0110 1100 & 0x0F => 0000 1100 << 4 => 1100 0000

 

---

结果：

size of str = 5.

before convert, current_char[0] = h. 0d = 104.

after convert, current_char = \u80.

before convert, current_char[1] = e. 0d = 101.

after convert, current_char = \u50.

before convert, current_char[2] = l. 0d = 108.

after convert, current_char = \uC0.

before convert, current_char[3] = l. 0d = 108.

after convert, current_char = \uC0.

before convert, current_char[4] = o. 0d = 111.

after convert, current_char = \uF0.