常用编码详解

核心提示： 3）从编码序列分配位到UCS-4字符，首先从序列最后一个8比特字节的最低位开始，常用编码详解(4)，接着向左进行，直到所有标记为x的位完成，它可能导致安全问题或其他问题（比如把0当作数组结束标志），更详细的算法和公式可以在[FSS_UTF]，如果UTF-8序列长度不大于3个8比特字节，解码

3）从编码序列分配位到UCS-4字符。首先从序列最后一个8比特字节的最低位开始，接着向左进行，直到所有标记为x的位完成。如果UTF-8序列长度不大于3个8比特字节，解码过程可以直接赋予UCS-2。

WCHAR UTF8ToUnicode(unsigned char *buffer)
{
　　WCHAR temp = 0;
　　if (buffer[0] < 0x80)　　　　　　　　　　　　　　　　　 // one char of UTF8
　　{
　　　 temp = buffer[0];
　　}
　　if ((0xc0 <= buffer[0]) && (buffer[0] < 0xe0))　　　　　// two char of UTF8
　　{
　　　 temp = buffer[0] & 0x1f;
　　　 temp = temp << 6;
　　　 temp = temp | (buffer[1] & 0x3f);
　　}
　　if ((0xe0 <= buffer[0]) && (buffer[0] < 0xf0))　　　　　// three char of UTF8
　　{
　　　 temp = buffer[0] & 0x0f;
　　　 temp = temp << 6;
　　　 temp = temp | (buffer[1] & 0x3f);
　　　 temp = temp << 6;
　　　 temp = temp | (buffer[2] & 0x3f);
　　}
　　if ((0x80 <= buffer[0]) && (buffer[0] < 0xc0))　　　　　// not the first byte of UTF8 character
　　　 return 0xfeff;　　　　　　　　　　　　　　　　　　　 // 0xfeff will never appear in usual
　　return temp;　　　　　　　　　　　　　　　　　　　　　　// more than 3-bytes return 0
}

注意：上面解码算法的实际实现应该进行安全保护，以便处理解码无效的系列。例如:实现可能（错误）解码无效的UTF-8系列0xC0 0x80为字符U+0000，它可能导致安全问题或其他问题（比如把0当作数组结束标志）。更详细的算法和公式可以在[FSS_UTF]，[UNICODE] 或[ISO-10646]附录R中找到。