C语言 获取汉字unicode和utf-8编码

      就VC而言,汉字储存一般都是以国标码形式存放在电脑上的,要想查询一个汉字的unicode编码,可以在一个字符串前面加一个‘L,也相当于让该汉字以unicode编码形式存放。

      unicode编码与utf-8编码之间的关系是什么,其实两者之间,个人感觉,utf-8编码是unicode编码的具体实现。两者之间的对应关系如下所示,可以看到。

  1. 当一个字符的unicode编码在0x0000 0000~0000 007F之间,utf-8编码以1个字节表示;
  2. 当一个字符的unicode编码在0x0000 0080~0000 07FF之间,utf-8编码以2个字节表示;
  3. 当一个字符的unicode编码在0x0800 0000~0000 FFFF之间,utf-8编码以3个字节表示;
  4. 当一个字符的unicode编码在0x0001 0000~0010 FFFF之间,utf-8编码以4个字节表示;

   Unicode符号范围   |        UTF-8编码方式
      (十六进制)          |              (二进制)
   --------------------+---------------------------------------------
   0000 0000-0000 007F | 0xxxxxxx
   0000 0080-0000 07FF | 110xxxxx 10xxxxxx
   0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
   0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
       下面贴出程序代码:

#include<iostream>

void GetUtf8(unsigned short uni)
{
	unsigned char utf_8[3];
	utf_8[0]=(0xe<<4) | ((uni & 0xf000)>>12);//相当于把二进制1110右移12位
	utf_8[1]=(0x2<<6) | ((uni & 0x0fc0)>>6); //相当于把二进制10右移16位
	utf_8[2]=(0x2<<6) | (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()
{
	wchar_t str=L'和';	
	printf("'和'字Unicode编码为%.4x\n",(unsigned short)str);
	GetUtf8((unsigned short)str);
}

程序运行的效果图如下:


C语言中,将Unicode编码转换为UTF-8可以通过一定的算法和编码规则实现。UTF-8是一种变长的字符编码方式,它可以表示Unicode字符集中的所有字符。 首先需要明确Unicode编码UTF-8编码之间的映射关系。Unicode是一个字符集,为每个字符分配了一个唯一的编码点,它是一种固定宽度编码。而UTF-8Unicode字符集中的字符用变长字节序列进行编码的一种方式。 具体操作上,我们可以借助C语言提供的字符串处理函数和位运算来实现UnicodeUTF-8的转换。以下是一个简单的示例代码: ``` #include <stdio.h> void unicodeToUtf8(int unicode) { if (unicode < 0x80) { // 单字节编码 printf("%c", (char)unicode); } else if (unicode < 0x800) { // 双字节编码 printf("%c", (char)((unicode >> 6) | 0xC0)); printf("%c", (char)((unicode & 0x3F) | 0x80)); } else if (unicode < 0x10000) { // 三字节编码 printf("%c", (char)((unicode >> 12) | 0xE0)); printf("%c", (char)(((unicode >> 6) & 0x3F) | 0x80)); printf("%c", (char)((unicode & 0x3F) | 0x80)); } else if (unicode < 0x110000) { // 四字节编码 printf("%c", (char)((unicode >> 18) | 0xF0)); printf("%c", (char)(((unicode >> 12) & 0x3F) | 0x80)); printf("%c", (char)(((unicode >> 6) & 0x3F) | 0x80)); printf("%c", (char)((unicode & 0x3F) | 0x80)); } } int main() { int unicode = 0x4E2D; // Unicode 编码点,例如中文字符 "中" unicodeToUtf8(unicode); return 0; } ``` 上述代码实现了一个简单的函数`unicodeToUtf8`,它接受一个Unicode编码点作为参数,并将其转换为对应的UTF-8编码存储。在`main`函数中,我们将Unicode编码点设置为0x4E2D,即中文字符"中"的Unicode编码,并调用`unicodeToUtf8`进行转换和输出。 需要注意的是,该示例代码只是一个简单的示例,实际应用中需要更完善的处理逻辑,并且UTF-8编码还需要考虑一些特殊情况和规则,例如字节数限制、BOM头等。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值