簡介

1、這段代碼只考慮在小端序情況下的轉換（一般的機器都是的）。
2、這段代碼需要C++11的支持(只是用到了u16string)，如果不支持，可以添加下面代碼

typedef uint16_t char16_t; typedef std::basic_string<char16_t>

utfconvert.h

#ifndef __UTFCONVERT_H__ #define __UTFCONVERT_H__ #include <string>// 從UTF16編碼字符串構建，需要帶BOM標記 std::string utf16_to_utf8(const std::u16string& u16str);// 從UTF16 LE編碼的字符串創建 std::string utf16le_to_utf8(const std::u16string& u16str);// 從UTF16BE編碼字符串創建 std::string utf16be_to_utf8(const std::u16string& u16str);// 獲取轉換為UTF-16 LE編碼的字符串 std::u16string utf8_to_utf16le(const std::string& u8str, bool addbom = false, bool* ok = NULL);// 獲取轉換為UTF-16 BE的字符串 std::u16string utf8_to_utf16be(const std::string& u8str, bool addbom = false, bool* ok = NULL);#endif //! __UTFCONVERT_H__

utfconvert.cpp

#include "utfconvert.h"#include <stdint.h> #ifdef __GNUC__ #include <endian.h> #endif // __GNUC__static inline uint16_t byteswap_ushort(uint16_t number) { #if defined(_MSC_VER) && _MSC_VER > 1310return _byteswap_ushort(number); #elif defined(__GNUC__)return __builtin_bswap16(number); #elsereturn (number >> 8) | (number << 8); #endif }// 以下轉換都是在小端序下進行 //// 從UTF16編碼字符串構建，需要帶BOM標記 std::string utf16_to_utf8(const std::u16string& u16str) {if (u16str.empty()){ return std::string(); }//Byte Order Markchar16_t bom = u16str[0];switch (bom){case 0xFEFF: //Little Endianreturn utf16le_to_utf8(u16str);break;case 0xFFFE: //Big Endianreturn utf16be_to_utf8(u16str);break;default:return std::string();} }// 從UTF16 LE編碼的字符串創建 std::string utf16le_to_utf8(const std::u16string& u16str) {if (u16str.empty()){ return std::string(); }const char16_t* p = u16str.data();std::u16string::size_type len = u16str.length();if (p[0] == 0xFEFF){p += 1; //帶有bom標記，后移len -= 1;}// 開始轉換std::string u8str;u8str.reserve(len * 3);char16_t u16char;for (std::u16string::size_type i = 0; i < len; ++i){// 這里假設是在小端序下(大端序不適用)u16char = p[i];// 1字節表示部分if (u16char < 0x0080){// u16char <= 0x007f// U- 0000 0000 ~ 0000 07ff : 0xxx xxxxu8str.push_back((char)(u16char & 0x00FF)); // 取低8bitcontinue;}// 2 字節能表示部分if (u16char >= 0x0080 && u16char <= 0x07FF){// * U-00000080 - U-000007FF: 110xxxxx 10xxxxxxu8str.push_back((char)(((u16char >> 6) & 0x1F) | 0xC0));u8str.push_back((char)((u16char & 0x3F) | 0x80));continue;}// 代理項對部分(4字節表示)if (u16char >= 0xD800 && u16char <= 0xDBFF) {// * U-00010000 - U-001FFFFF: 1111 0xxx 10xxxxxx 10xxxxxx 10xxxxxxuint32_t highSur = u16char;uint32_t lowSur = p[++i];// 從代理項對到UNICODE代碼點轉換// 1、從高代理項減去0xD800，獲取有效10bit// 2、從低代理項減去0xDC00，獲取有效10bit// 3、加上0x10000，獲取UNICODE代碼點值uint32_t codePoint = highSur - 0xD800;codePoint <<= 10;codePoint |= lowSur - 0xDC00;codePoint += 0x10000;// 轉為4字節UTF8編碼表示u8str.push_back((char)((codePoint >> 18) | 0xF0));u8str.push_back((char)(((codePoint >> 12) & 0x3F) | 0x80));u8str.push_back((char)(((codePoint >> 06) & 0x3F) | 0x80));u8str.push_back((char)((codePoint & 0x3F) | 0x80));continue;}// 3 字節表示部分{// * U-0000E000 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxxu8str.push_back((char)(((u16char >> 12) & 0x0F) | 0xE0));u8str.push_back((char)(((u16char >> 6) & 0x3F) | 0x80));u8str.push_back((char)((u16char & 0x3F) | 0x80));continue;}}return u8str; }// 從UTF16BE編碼字符串創建 std::string utf16be_to_utf8(const std::u16string& u16str) {if (u16str.empty()){ return std::string(); }const char16_t* p = u16str.data();std::u16string::size_type len = u16str.length();if (p[0] == 0xFEFF){p += 1; //帶有bom標記，后移len -= 1;}// 開始轉換std::string u8str;u8str.reserve(len * 2);char16_t u16char; //u16le 低字節存低位，高字節存高位for (std::u16string::size_type i = 0; i < len; ++i) {// 這里假設是在小端序下(大端序不適用)u16char = p[i];// 將大端序轉為小端序u16char = byteswap_ushort(u16char);// 1字節表示部分if (u16char < 0x0080) {// u16char <= 0x007f// U- 0000 0000 ~ 0000 07ff : 0xxx xxxxu8str.push_back((char)(u16char & 0x00FF));continue;}// 2 字節能表示部分if (u16char >= 0x0080 && u16char <= 0x07FF) {// * U-00000080 - U-000007FF: 110xxxxx 10xxxxxxu8str.push_back((char)(((u16char >> 6) & 0x1F) | 0xC0));u8str.push_back((char)((u16char & 0x3F) | 0x80));continue;}// 代理項對部分(4字節表示)if (u16char >= 0xD800 && u16char <= 0xDBFF) {// * U-00010000 - U-001FFFFF: 1111 0xxx 10xxxxxx 10xxxxxx 10xxxxxxuint32_t highSur = u16char;uint32_t lowSur = byteswap_ushort(p[++i]);// 從代理項對到UNICODE代碼點轉換// 1、從高代理項減去0xD800，獲取有效10bit// 2、從低代理項減去0xDC00，獲取有效10bit// 3、加上0x10000，獲取UNICODE代碼點值uint32_t codePoint = highSur - 0xD800;codePoint <<= 10;codePoint |= lowSur - 0xDC00;codePoint += 0x10000;// 轉為4字節UTF8編碼表示u8str.push_back((char)((codePoint >> 18) | 0xF0));u8str.push_back((char)(((codePoint >> 12) & 0x3F) | 0x80));u8str.push_back((char)(((codePoint >> 06) & 0x3F) | 0x80));u8str.push_back((char)((codePoint & 0x3F) | 0x80));continue;}// 3 字節表示部分{// * U-0000E000 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxxu8str.push_back((char)(((u16char >> 12) & 0x0F) | 0xE0));u8str.push_back((char)(((u16char >> 6) & 0x3F) | 0x80));u8str.push_back((char)((u16char & 0x3F) | 0x80));continue;}}return u8str; }// 獲取轉換為UTF-16 LE編碼的字符串 std::u16string utf8_to_utf16le(const std::string& u8str, bool addbom, bool* ok) {std::u16string u16str;u16str.reserve(u8str.size());if (addbom) {u16str.push_back(0xFEFF); //bom (字節表示為 FF FE)}std::string::size_type len = u8str.length();const unsigned char* p = (unsigned char*)(u8str.data());// 判斷是否具有BOM(判斷長度小于3字節的情況)if (len > 3 && p[0] == 0xEF && p[1] == 0xBB && p[2] == 0xBF){p += 3;len -= 3;}bool is_ok = true;// 開始轉換for (std::string::size_type i = 0; i < len; ++i) {uint32_t ch = p[i]; // 取出UTF8序列首字節if ((ch & 0x80) == 0) {// 最高位為0，只有1字節表示UNICODE代碼點u16str.push_back((char16_t)ch);continue;}switch (ch & 0xF0){case 0xF0: // 4 字節字符, 0x10000 到 0x10FFFF{uint32_t c2 = p[++i];uint32_t c3 = p[++i];uint32_t c4 = p[++i];// 計算UNICODE代碼點值(第一個字節取低3bit，其余取6bit)uint32_t codePoint = ((ch & 0x07U) << 18) | ((c2 & 0x3FU) << 12) | ((c3 & 0x3FU) << 6) | (c4 & 0x3FU);if (codePoint >= 0x10000){// 在UTF-16中 U+10000 到 U+10FFFF 用兩個16bit單元表示, 代理項對.// 1、將代碼點減去0x10000(得到長度為20bit的值)// 2、high 代理項 是將那20bit中的高10bit加上0xD800(110110 00 00000000)// 3、low 代理項 是將那20bit中的低10bit加上0xDC00(110111 00 00000000)codePoint -= 0x10000;u16str.push_back((char16_t)((codePoint >> 10) | 0xD800U));u16str.push_back((char16_t)((codePoint & 0x03FFU) | 0xDC00U));}else{// 在UTF-16中 U+0000 到 U+D7FF 以及 U+E000 到 U+FFFF 與Unicode代碼點值相同.// U+D800 到 U+DFFF 是無效字符, 為了簡單起見，這里假設它不存在(如果有則不編碼)u16str.push_back((char16_t)codePoint);}}break;case 0xE0: // 3 字節字符, 0x800 到 0xFFFF{uint32_t c2 = p[++i];uint32_t c3 = p[++i];// 計算UNICODE代碼點值(第一個字節取低4bit，其余取6bit)uint32_t codePoint = ((ch & 0x0FU) << 12) | ((c2 & 0x3FU) << 6) | (c3 & 0x3FU);u16str.push_back((char16_t)codePoint);}break;case 0xD0: // 2 字節字符, 0x80 到 0x7FFcase 0xC0:{uint32_t c2 = p[++i];// 計算UNICODE代碼點值(第一個字節取低5bit，其余取6bit)uint32_t codePoint = ((ch & 0x1FU) << 12) | ((c2 & 0x3FU) << 6);u16str.push_back((char16_t)codePoint);}break;default: // 單字節部分(前面已經處理，所以不應該進來)is_ok = false;break;}}if (ok != NULL) { *ok = is_ok; }return u16str; }// 獲取轉換為UTF-16 BE的字符串 std::u16string utf8_to_utf16be(const std::string& u8str, bool addbom, bool* ok) {// 先獲取utf16le編碼字符串std::u16string u16str = utf8_to_utf16le(u8str, addbom, ok);// 將小端序轉換為大端序for (size_t i = 0; i < u16str.size(); ++i) {u16str[i] = byteswap_ushort(u16str[i]);}return u16str; }

轉載于:https://www.cnblogs.com/oloroso/p/6801076.html

總結

以上是生活随笔為你收集整理的C++ UTF8和UTF16互转代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。