utf-8编码的字符串转成unicode(ucs-4)编码的字符串

本人第一篇原创博客，尽力把代码注释清楚，如有错误之处，敬请指出

typedef unsigned int                mfchar_t;// 无符号的4字节，用于容纳UCS-4的一个字符
typedef std::basic_string<mfchar_t> mfstring;// 自定义的UCS-4字符串

// 把utf-8编码的字符串转换成UCS-4编码的字符串
void DB_Mofify_Handler::utf8ToWS(const string& src, mfstring& dest)
{
	mfchar_t	w	= 0;
	mfchar_t	err	= '?';// 表转码错误
	int		bytes	= 0;  // 表剩余要处理的字节数

	for (size_t i = 0; i < src.length(); i++)
	{
		unsigned char c = (unsigned char)src[i];

		if (c <= 0x7f)		// <= 0x0111 1111(即127)的说明是ascii码
		{
			// 若bytes不为0，说明出错，因为ascii码的utf-8编码只占一个字节
			if (bytes)
			{
				dest.push_back(err); 
				bytes = 0;
			}

			// 将字符压入队列
			dest.push_back((mfchar_t)c);
		}
		else if (c <= 0xbf)	// <= 0x1011 1111，说明是多字节的utf-8编码的第2,3,4,5,6字节
		{
			// 既然是2,3,4,5,6字节，bytes必不为0，否则出错
			if (bytes)
			{
				// 取出c的后六位，将w左移6位，做或预算，赋值给w，这样w就融合了c的后6位
				w = ( (w << 6) | (c & 0x3f) );

				// 字节数减1，因为本字节已经融合完毕
				bytes--;

				// 若后面没有字节数了，说明字节数融合完毕，成为一个完整的ucs-4的字符了，压入队列
				if (bytes == 0)
				{
				    dest.push_back(w);
				}
			}
			else
			{
				dest.push_back(err); // 出错
			}
		}
		else if (c <= 0xdf)	// <= 0x1101 1111，说明是2字节的utf-8编码的第一个字节
		{
			bytes = 1;	// 标记后面还有1个字节，下面类似
			w = c & 0x1f;	// 取出后5位，注意是赋值操作，所以w的高位都将赋值为0。然后将 w 与后面字节的后六位融合即可，下面类似
		}
		else if (c <= 0xef)	// <= 0x1110 1111，说明是3字节的utf-8编码的第一个字节
		{
			bytes = 2;		
			w = c & 0x0f;	// 取出后4位
		}
		else if (c <= 0xf7)	// <= 0x1111 0111，说明是4字节的utf-8编码的第一个字节
		{
			bytes = 3;		
			w = c & 0x07;	// 取出后3位
		}
		else if (c <= 0xfb)	// <= 0x1111 1011，说明是5字节的utf-8编码的第一个字节
		{
			bytes = 4;
			w = c & 0x03;	// 取出后2位
		}
		else if (c <= 0xfd)	// <= 0x1111 1101，说明是6字节的utf-8编码的第一个字节
		{
			bytes = 5;
			w = c & 0x01;	// 取出后1位
		}
		else                // > 0x1111 1101的是出错，因utf-8最多6个字节
		{
			dest.push_back(err);
			bytes = 0;
		}
	}

	if (bytes) 
	{
		dest.push_back(err);
	}
}