GBK 转成 utf8

GBK是汉字字符编码，是gb2312的扩充。

GBK汉字是从0x8140开始的，unicode是从0x4e02开始的。需要一个转换表，这个很难找。

先将gbk转成unicode字符，gbk与unicode对应关系如下：

gbk是两个字节的，第一个字节h，第二个字节l

 GBK/3: 8140-A0FE

h的范围是从0x81-0xA0, l范围从0x40-0xFE

unicode是从0x4e02-0x7DBE .开始中间需要剔除一些。

index 是unicode的转换表下标。

转换方法如下：

 index = (h-0x81)*(0xFE-0xA0+1)+(l-0x40);

通过转换表，得到相应的unicode编码。

再利用utf-8编码规则：

1、单字节符号   字节第一位为0；后面7位是这个符号的unicode编码

2、n字节符号（n>1）

第一个字节的前n位是1，后面是个0；

后面字节的前两位是10；

剩下的没有说到的二进制位，是这个符号的unicode编码

 

          unicode                   |    UTF-8

         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 |  1111XXXX 10XXXXXX 10XXXXXX 10XXXXXX