c语言把unicode转换为字符,[C语言]unicode与utf-8编码转换（一）

Unicode与UTF-8编码转换(一)

Unicode是一个符号集合，规定了符号的二进制代码，而UTF-8是Unicode的一种实现，具体Unicode和UTF-8的联系如下所示：Unicode符号范围                    UTF-8编码规则

1 | 0000 0000 - 0000 007F |                                              0xxxxxxx

2 | 0000 0080 - 0000 07FF |                                     110xxxxx 10xxxxxx

3 | 0000 0800 - 0000 FFFF |                            1110xxxx 10xxxxxx 10xxxxxx

4 | 0001 0000 - 0010 FFFF |                   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

5 | 0020 0000 - 03FF FFFF |          111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

6 | 0400 0000 - 7FFF FFFF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

由图可清晰的知道Unicode和UTF－8间的联系。其中UTF-8编码规则中的x就是让你编码的地方。接下来逐一举例说明各段的编码：

1，范围0x00-0x7F：给定的用例Unicode码为0x41，对应的二进制位：0100 0001，而UTF-8编码规则为：0xxxxxxx。故有：

0xxx  xxxx

+    100 0001

0100 0001

所以Unicode编码0x41转换为UTF-8后为：0x41。

所以对于区间段0x00-0x7F之间的Unicode和UTF-8编码是一致的。即与ASCII码一致(ASCII共规定了128个字符的编码)

2，范围0x80-0x7FF：给定的用例Unicode码为0x123，对应的二进制为：0001 0010 0011，而UTF-8编码规则为：110xxxxx 10xxxxxx。故有：

110x xxxx 10xx  xxxx

+       0 0100     10 0011

1100 0100 1010 0011

所以Unicode编码0x123转换为UTF-8后为：0xC4A3

3，范围0x800-0xFFFF：给定的用例Unicode码为0x4E25，对应的二进制为：0100 1110 0010 0101，而UTF－8编码规则为：1110xxxx 10xxxxxx 10xxxxxx，故有：

1110 xxxx 10xx  xxxx 10xx xxxx

+          0100     11 1000    10 0101

1110 0100 1011 1000 1010 0101

所以Unicode编码为0x4E25转换为UTF－8后为：0xE4B8A5

4，范围0x10000-0x10FFFF：给定的Unicode码为0x23456，对应的二进制为：0010 0011 0100 0101 0110，而UTF-8编码规则为：111100xx 10xxxxxx 10xxxxxx 10xxxxxx。故有：

1111 00xx 10xx xxxx  10xx xxxx 10xx xxxx

＋           00     10  0011     01 0001    01 0110

1111 0000 1010 0011 1001 0001 1001 0110

所以Unicode编码为0x23456转换UTF－8后为：0xF0A39196

5，范围0x200000-0x3FFFFFF：给定的Unicode码为0x234567，对应的二进制为：0010 0011 0100 0101 0110 0111，UTF-8编码规则为：111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。故有：

1111 10xx 10xx  xxxx 10xx xxxx  10xx xxxx 10xx xxxx

+                       00 1000    11 0100