c语言实现utf-8转utf-16，函数内使用malloc申请内存，同时检测合法性，输出错误

#include <stdio.h>

#include <stdlib.h>



// 检测UTF-8编码是否合法

int is_valid_utf8(unsigned char* text, int size) {

    int i = 0;

    while (i < size) {

        if ((text[i] & 0x80) == 0x00) {

            // 单字节字符

            i += 1;

        } else if ((text[i] & 0xE0) == 0xC0) {

            // 2字节字符

            if (i + 1 >= size || (text[i + 1] & 0xC0) != 0x80)

                return 0;

            i += 2;

        } else if ((text[i] & 0xF0) == 0xE0) {

            // 3字节字符

            if (i + 2 >= size || (text[i + 1] & 0xC0) != 0x80 || (text[i + 2] & 0xC0) != 0x80)

                return 0;

            i += 3;

        } else if ((text[i] & 0xF8) == 0xF0) {

            // 4字节字符

            if (i + 3 >= size || (text[i + 1] & 0xC0) != 0x80 || (text[i + 2] & 0xC0) != 0x80 || (text[i + 3] & 0xC0) != 0x80)

                return 0;

            i += 4;

        } else {

            return 0;

        }

    }

    return 1;

}



// UTF-8转UTF-16

unsigned short* utf8_to_utf16(unsigned char* text, int size, int* utf16_size) {

    if (!is_valid_utf8(text, size)) {

        printf("Error: Invalid UTF-8 encoding.\n");

        return NULL;

    }



    *utf16_size = 0;

    int i = 0;

    while (i < size) {

        if ((text[i] & 0x80) == 0x00) {

            // 单字节字符直接转换

            (*utf16_size)++;

            i += 1;

        } else if ((text[i] & 0xE0) == 0xC0) {

            // 2字节字符

            if (i + 1 >= size || (text[i + 1] & 0xC0) != 0x80)

                break;

            (*utf16_size)++;

            i += 2;

        } else if ((text[i] & 0xF0) == 0xE0) {

            // 3字节字符

            if (i + 2 >= size || (text[i + 1] & 0xC0) != 0x80 || (text[i + 2] & 0xC0) != 0x80)

                break;

            (*utf16_size)++;

            i += 3;

        } else if ((text[i] & 0xF8) == 0xF0) {

            // 4字节字符

            if (i + 3 >= size || (text[i + 1] & 0xC0) != 0x80 || (text[i + 2] & 0xC0) != 0x80 || (text[i + 3] & 0xC0) != 0x80)

                break;

            (*utf16_size)++;

            i += 4;

        } else {

            break;

        }

    }



    if (i < size) {

        printf("Error: Invalid UTF-8 encoding.\n");

        return NULL;

    }



    unsigned short* utf16_text = (unsigned short*)malloc((*utf16_size) * sizeof(unsigned short));

    if (utf16_text == NULL) {

        printf("Error: Memory allocation failed.\n");

        return NULL;

    }



    int utf16_index = 0;

    i = 0;

    while (i < size) {

        if ((text[i] & 0x80) == 0x00) {

            // 单字节字符直接转换

            utf16_text[utf16_index++] = text[i];

            i += 1;

        } else if ((text[i] & 0xE0) == 0xC0) {

            // 2字节字符

            unsigned short unicode = ((text[i] & 0x1F) << 6) | (text[i + 1] & 0x3F);

            utf16_text[utf16_index++] = unicode;

            i += 2;

        } else if ((text[i] & 0xF0) == 0xE0) {

            // 3字节字符

            unsigned short unicode = ((text[i] & 0x0F) << 12) | ((text[i + 1] & 0x3F) << 6) | (text[i + 2] & 0x3F);

            utf16_text[utf16_index++] = unicode;

            i += 3;

        } else if ((text[i] & 0xF8) == 0xF0) {

            // 4字节字符（忽略）

            i += 4;

        } else {

            // 非法字符（忽略）

            i++;

        }

    }



    return utf16_text;

}



// 打印UTF-16文本

void print_utf16_text(unsigned short* utf16_text, int size) {

    for (int i = 0; i < size; i++) {

        printf("%04X", utf16_text[i]);

        if (i != size - 1)

            printf(" ");

    }

    printf("\n");

}



int main() {

    unsigned char utf8_text[] = { 0xE4, 0xBD, 0xA0, 0xE5, 0xA5, 0xBD, 0xE6, 0xB1, 0x89, 0xE5, 0x86, 0x99, 0xE4, 0xB8, 0xAD, 0xE6, 0x96, 0x87, 0x21 };

    int utf8_size = sizeof(utf8_text);

    int utf16_size = 0;

    unsigned short* utf16_text = utf8_to_utf16(utf8_text, utf8_size, &utf16_size);



    if (utf16_text != NULL) {

        printf("UTF-8 text: %s\n", utf8_text);

        printf("UTF-16 text: ");

        print_utf16_text(utf16_text, utf16_size);

        free(utf16_text);

    }



    return 0;

}