使用c语言实现utf16 转utf8

#include <stdio.h>

#include <stdlib.h>



int utf16_to_utf8(const unsigned short* utf16_str, char** utf8_str) {

    int utf8_index = 0;

    int utf8_size = 1; // 初始化UTF8字符串大小为1，用于存储字符串结束'\0'的空间

    

    int i = 0;

    while (utf16_str[i] != '\0') {

        unsigned int unicode_code = utf16_str[i];

        

        if (unicode_code >= 0xD800 && unicode_code <= 0xDBFF && utf16_str[i+1] != '\0') {

            unsigned int surrogate_pair_code = utf16_str[i+1];

            if (surrogate_pair_code >= 0xDC00 && surrogate_pair_code <= 0xDFFF) {

                unicode_code = ((unicode_code - 0xD800) << 10) + (surrogate_pair_code - 0xDC00) + 0x10000;

                i += 1;

            }

        }

        

        if (unicode_code < 0x80) {

            utf8_size += 1;

        }

        else if (unicode_code < 0x800) {

            utf8_size += 2;

        }

        else if (unicode_code < 0x10000) {

            utf8_size += 3;

        }

        else {

            utf8_size += 4;

        }

        

        i += 1;

    }

    

    *utf8_str = (char*) malloc(utf8_size * sizeof(char));

    

    if (*utf8_str == NULL) {

        return 0; // 内存分配失败，返回错误码

    }

    

    i = 0;

    utf8_index = 0;

    while (utf16_str[i] != '\0') {

        unsigned int unicode_code = utf16_str[i];

        

        if (unicode_code >= 0xD800 && unicode_code <= 0xDBFF && utf16_str[i+1] != '\0') {

            unsigned int surrogate_pair_code = utf16_str[i+1];

            if (surrogate_pair_code >= 0xDC00 && surrogate_pair_code <= 0xDFFF) {

                unicode_code = ((unicode_code - 0xD800) << 10) + (surrogate_pair_code - 0xDC00) + 0x10000;

                i += 1;

            }

        }

        

        if (unicode_code < 0x80) {

            (*utf8_str)[utf8_index++] = unicode_code;

        }

        else if (unicode_code < 0x800) {

            (*utf8_str)[utf8_index++] = ((unicode_code >> 6) & 0x1F) | 0xC0;

            (*utf8_str)[utf8_index++] = (unicode_code & 0x3F) | 0x80;

        }

        else if (unicode_code < 0x10000) {

            (*utf8_str)[utf8_index++] = ((unicode_code >> 12) & 0x0F) | 0xE0;

            (*utf8_str)[utf8_index++] = ((unicode_code >> 6) & 0x3F) | 0x80;

            (*utf8_str)[utf8_index++] = (unicode_code & 0x3F) | 0x80;

        }

        else {

            (*utf8_str)[utf8_index++] = ((unicode_code >> 18) & 0x07) | 0xF0;

            (*utf8_str)[utf8_index++] = ((unicode_code >> 12) & 0x3F) | 0x80;

            (*utf8_str)[utf8_index++] = ((unicode_code >> 6) & 0x3F) | 0x80;

            (*utf8_str)[utf8_index++] = (unicode_code & 0x3F) | 0x80;

        }

        

        i += 1;

    }

    

    (*utf8_str)[utf8_index] = '\0';

    

    return 1; // 转换成功，返回成功码

}



int main() {

    unsigned short utf16_str[] = {0x4F60, 0x597D, 0xFF0C, 0x4E16, 0x754C, 0xFF01, '\0'}; // UTF16编码的字符串

    char* utf8_str = NULL;

    

    if (utf16_to_utf8(utf16_str, &utf8_str)) {

        printf("UTF8编码的字符串：%s\n", utf8_str);

        }

}