常用编码详解

核心提示： 这里我们仅仅实现Unicode到UTF8的转换，Unicode都是两个字节，常用编码详解(3)，定义为:typedef usigned short WCHAR// 输出的UTF8编码至多是3个字节，int UnicodeToUTF8(WCHAR ucs2, unsigned char *b

这里我们仅仅实现Unicode到UTF8的转换，Unicode都是两个字节，定义为:

typedef usigned short WCHAR
// 输出的UTF8编码至多是3个字节。
int UnicodeToUTF8(WCHAR ucs2, unsigned char *buffer)
{
　　memset(buffer, 0, 4);
　　if ((0x0000 <= ucs2) && (ucs2 <= 0x007f))　// one char of UTF8
　　{
　　　 buffer[0] = (char)ucs2;
　　　 return 1;
　　}
　　if ((0x0080 <= ucs2) && (ucs2 <= 0x07ff))　// two char of UTF8
　　{
　　　 buffer[1] = 0x80 | char(ucs2 & 0x003f);
　　　 buffer[0] = 0xc0 | char((ucs2 >> 6) & 0x001f);
　　　 return 2;
　　}
　　if ((0x0800 <= ucs2) && (ucs2 <= 0xffff))　// three char of UTF8
　　{
　　　 buffer[2] = 0x80 | char(ucs2 & 0x003f);
　　　 buffer[1] = 0x80 | char((ucs2 >> 6) & 0x003f);
　　　 buffer[0] = 0xe0 | char((ucs2 >> 12) & 0x001f);
　　　 return 3;
　　}
　　return 0;
}　

理论上，简单的通过用2个0值的8比特字节来扩展每个UCS-2字符，则从UCS-2到UTF-8编码的算法可以从上面得到。然而，从D800到DFFF间的UCS-2值对（用Unicode说法是代理对），实际上是通过UTF-16来进行UCS-4字符转换，因此需要特别对待：UTF-16转换必须未完成，先转换到于UCS-4字符，然后按照上面过程进行转换。

从UTF-8到UCS-4解码过程如下：

1）初始化UCS-4字符4个8比特字节的所有位为0。

2）根据序列中8比特字节数和上表中第二列（标记为x位）来决定哪些位编码用于字符值。