《UTF-8與GB2312之間的互換》的改進

最近，在做一個小程序的時候，突然遇到了漢字編碼轉換問題。關於如何在UTF-8與GB2312之間轉換的問題。在VC知識庫裡看到吳康彬的文章《UTF-8與GB2312之間的互換》，文章淺顯易懂，代碼也不長。省了我不少的找資料的時間。在此謝謝了。 ：）

在看代碼的過程中，吳康彬用了許多字符串的轉換，來進行2進制的運算，這就涉及到大量的IO操作，效率肯定比較低。而且編碼轉換的工作量往往非常大，因此效率問題很重要。而且，代碼裡，有許多，內存洩漏問題，可能是作者過於重視實現，沒有注意這些細節問題。

閒話少說，開始正題。在UTF-8,與UNICODE之間轉換的時候，用二進制運算，代替了字符串的轉換。UTF-8一個漢字，用3個字節，而UNICODE用2個字節；對應關系如下：

UTF-8編碼：
[1,1,1,0,A5,A6,A7,A8],　　[1,0,B3,B4,B5,B6,B7,B8],
[1,0,C3,C4,C5,C6,C7,C8];

對應的UNICODE編碼：

[A5,A6,A7,A8,B3,B4,B5,B6],
　　　[B7,B8,C3,C4,C5,C6,C7,C8]

因此我們只需進行位操作，即可達到目的；如：

// 把UTF-8轉換成Unicode
　　　void CChineseCodeLib::UTF_8ToUnicode(WCHAR* pOut,char *pText)
　　　{
　　 　　 char* uchar = (char *)pOut;

　　 　　 uchar[1] = ((pText[0] & 0x0F) << 4) + ((pText[1] >> 2) & 0x0F);
　　 　　 uchar[0] = ((pText[1] & 0x03) << 6) + (pText[2] & 0x3F);

　　 　　 return;
　　　}
　　 // Unicode 轉換成UTF-8
　　 void CChineseCodeLib::UnicodeToUTF_8(char* pOut,WCHAR* pText)
　　 {
　　　　　// 注意 WCHAR高低字的順序,低字節在前，高字節在後
　　　　　char* pchar = (char *)pText;
　　　　　pOut[0] = (0xE0 | ((pchar[1] & 0xF0) >> 4));
　　　　　pOut[1] = (0x80 | ((pchar[1] & 0x0F) << 2)) + ((pchar[0] & 0xC0) >> 6);
　　　　　pOut[2] = (0x80 | (pchar[0] & 0x3F));

　　　　　return;
　　 }

　　 // 把Unicode 轉換成 GB2312
　　 void CChineseCodeLib::UnicodeToGB2312(char* pOut,unsigned short uData)
　　 {
　　　　 WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);
　　　　 return;
　　 }

　　 // GB2312 轉換成　Unicode
　　 void CChineseCodeLib::Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer)
　　 {
　　　　 ::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);
　　　　 return;
　　 }

　　 //GB2312 轉為 UTF-8
　　 void CChineseCodeLib::GB2312ToUTF_8(string& pOut,char *pText, int pLen)
　　 {
　　　　　 char buf[4];
　　　　　 char* rst = new char[pLen + (pLen >> 2) + 2];

　　　　　 memset(buf,0,4);
　　　　　 memset(rst,0,pLen + (pLen >> 2) + 2);

　　　　　 int i = 0;
　　　　　 int j = 0;
　　　　　 while(i < pLen)
　　　　　 {
　　　　　　　　　 //如果是英文直接復制就可以
　　　　　　　　　 if( *(pText + i) >= 0)
　　　　　　　　　 {
　　　　　　　　　　　　　 rst[j++] = pText[i++];
　　　　　　　　　 }
　　　　　　　　　 else
　　　　　　　　　 {
　　　　　　　　　　　　　 WCHAR pbuffer;
　　　　　　　　　　　　　 Gb2312ToUnicode(&pbuffer,pText+i);

　　　　　　　　　　　　　 UnicodeToUTF_8(buf,&pbuffer);

　　　　　　　　　　　　　 unsigned short int tmp = 0;
　　　　　　　　　　　　　 tmp = rst[j] = buf[0];
　　　　　　　　　　　　　 tmp = rst[j+1] = buf[1];
　　　　　　　　　　　　　 tmp = rst[j+2] = buf[2];

　　　　　　　　　　　　　
　　　　　　　　　　　　　 j += 3;
　　　　　　　　　　　　　 i += 2;
　　　　　　　　　 }
　　　　　 }
　　　　　 rst[j] = ''\0'';

　　　　　 //返回結果
　　　　　 pOut = rst;
　　　　　 delete []rst;

　　　　　 return;
　　 }

　　 //UTF-8 轉為 GB2312
　　 void CChineseCodeLib::UTF_8ToGB2312(string &pOut, char *pText, int pLen)
　　 {
　　　　 char * newBuf = new char[pLen];
　　　　 char Ctemp[4];
　　　　 memset(Ctemp,0,4);
　　　　 int i =0;
　　　　 int j = 0;

　　　　 while(i < pLen)
　　　　 {
　　　　　　　　if(pText[i] > 0)
　　　　　　　　{
　　　　　　　　　　　　newBuf[j++] = pText[i++];
　　　　　　　　}
　　　　　　　　else
　　　　　　　　{
　　　　　　　　　　　　WCHAR Wtemp;
　　　　　　　　　　　　UTF_8ToUnicode(&Wtemp,pText + i);

　　　　　　　　　　　　UnicodeToGB2312(Ctemp,Wtemp);

　　　　　　　　　　　　newBuf[j] = Ctemp[0];
　　　　　　　　　　　　newBuf[j + 1] = Ctemp[1];
　　　　　　　　　　　　i += 3;
　　　　　　　　　　　　j += 2;
　　　　　　　　}
　　　　 }
　　　　 newBuf[j] = ''\0'';

　　　　 pOut = newBuf;
　　　　 delete []newBuf;

　　　　 return;
　　 }

代碼在WIN2K,VC++60 下編譯，測試通過. 就說這麼多吧，具體的大家看代碼吧。草草的寫的，大家莫笑，歡迎大家一起討論； 覺覺羅。。。。