浏览 | 提交新的代码片段 | 创建代码包

多字节函数库系列：UTF-8相关：u8towc()
类型: Function	类别: Other
许可证: GNU Library Public License	语言: C++
描述: 将国际通行用于磁盘存储的8bits字节序列——UTF-8编码的字符转换为wchar_t宽字节字符。

该代码片段的版本系列:

片段ID	下载版本	提交时间	提交人	删除
4576	0.1	2002-06-26 21:14	renxiao

点击"下载版本"来下载该代码片段.

最新版本的代码片段: 0.1

/*--------------------------Own_lib函数库系列 u8towc.cc------------------------
cy_u8towc() /u8towc.o /libcyfunc.a

描述: 将国际通行用于磁盘存储的8bits字节序列---UTF-8编码的字符转换为wchar_t宽字
      节字符不需要查找码表, 它通过简单的码位截取与合成即可完成.
      本函数提供这一实现.
dest_wchar:
      保存转换后的宽字节字符目标地址.
src_str:
      被转换的UTF-8编码源字符的多字节序列.
返回值:
      返回被转换的字符的字节数. 若遇到错误或检测到非法字节序列, 则返回-1.

注意! 传递的字符必须是合法的UTF-8编码序列.

作者: 任逍 |2002.06.06.
版权: GNU General (Library) Public License (GPL/LGPL)

* 编辑器: vim-6.0 |操作系统: TurboLinux7.0简体中文版 *
------------------------------------------------------------------------------*/

#include "cyinclude/cyutf.h"

size_t  cy_u8towc(wchar_t dest_wchar, const unsigned char * src_str)
{
	int 	count_bytes = 0;
	unsigned char byte_one = 0, byte_other = 0x3f;	// 用于位与运算以提取位值
	wchar_t	tmp_wchar = L'\0';

	if (!src_str)
		return (size_t)-1;

	for (;;)	// 检测字节序列长度
	{
		if (src_str[0] <= 0x7f){
			count_bytes = 1;	// ASCII字符: 0xxxxxxx( ~ 01111111)
			byte_one = 0x7f;	// 用于位与运算, 提取有效位值, 下同
			break;
		}
		if ( (src_str[0] >= 0xc0) && (src_str[0] <= 0xdf) ){
			count_bytes = 2;	// 110xxxxx(110 00000 ~ 110 111111) 
			byte_one = 0x1f;
			break;
		}
		if ( (src_str[0] >= 0xe0) && (src_str[0] <= 0xef) ){
			count_bytes = 3;	// 1110xxxx(1110 0000 ~ 1110 1111)
			byte_one = 0xf;
			break;
		}
		if ( (src_str[0] >= 0xf0) && (src_str[0] <= 0xf7) ){
			count_bytes = 4;	// 11110xxx(11110 000 ~ 11110 111)
			byte_one = 0x7;
			break;
		}
		if ( (src_str[0] >= 0xf8) && (src_str[0] <= 0xfb) ){
			count_bytes = 5;	// 111110xx(111110 00 ~ 111110 11)
			byte_one = 0x3;
			break;
		}
		if ( (src_str[0] >= 0xfc) && (src_str[0] <= 0xfd) ){
			count_bytes = 6;	// 1111110x(1111110 0 ~ 1111110 1)
			byte_one = 0x1;
			break;
		}
		return (size_t)-1;	// 以上皆不满足则为非法序列
	}
	// 以下几行析取UTF-8编码字符各个字节的有效位值
	tmp_wchar = src_str[0] & byte_one;
	for (int i=1; i<count_bytes; i++)
	{
		tmp_wchar <<= 6;	// 左移6位后与后续字节的有效位值"位或"赋值
		tmp_wchar = tmp_wchar | (src_str[i] & byte_other);
	}
	// 位值析取__End!
	dest_wchar = tmp_wchar;
	return count_bytes;
}


		

提交新版本

如果您修改了一个代码片段并且觉得很应该让别人共享,您可以把这作为这个代码片段的最新版本提交上来.