C语言中GBK编码转Unicode编码
在C语言中将GBK编码转换为Unicode编码,通常需要使用专门的转换库，因为GBK和Unicode之间的转换不是简单的字节映射关系，以下是几种实现方法：
（图片来源网络，侵删）
使用iconv库
iconv是POSIX标准中定义的字符集转换库，在大多数Linux/Unix系统上都可用。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <iconv.h>
#include <errno.h>
int gbk_to_unicode(const char* gbk_str, char** unicode_str, size_t* unicode_len) {
iconv_t cd = iconv_open("WCHAR_T", "GBK");
if (cd == (iconv_t)-1) {
perror("iconv_open");
return -1;
}
size_t gbk_len = strlen(gbk_str);
size_t outbuf_size = gbk_len * sizeof(wchar_t) + 2;
char* outbuf = malloc(outbuf_size);
if (!outbuf) {
perror("malloc");
iconv_close(cd);
return -1;
}
char* inbuf = (char*)gbk_str;
char* outptr = outbuf;
size_t result = iconv(cd, &inbuf, &gbk_len, &outptr, &outbuf_size);
if (result == (size_t)-1) {
perror("iconv");
free(outbuf);
iconv_close(cd);
return -1;
}
*unicode_len = (outptr - outbuf) / sizeof(wchar_t);
*unicode_str = malloc(*unicode_len * sizeof(wchar_t));
if (!*unicode_str) {
perror("malloc");
free(outbuf);
iconv_close(cd);
return -1;
}
memcpy(*unicode_str, outbuf, *unicode_len * sizeof(wchar_t));
free(outbuf);
iconv_close(cd);
return 0;
}
int main() {
const char* gbk_str = "你好，世界！";
char* unicode_str = NULL;
size_t unicode_len = 0;
if (gbk_to_unicode(gbk_str, &unicode_str, &unicode_len) == 0) {
printf("Original GBK: %s\n", gbk_str);
printf("Unicode length: %zu\n", unicode_len);
printf("Unicode characters: ");
for (size_t i = 0; i < unicode_len; i++) {
printf("%04X ", ((wchar_t*)unicode_str)[i]);
}
printf("\n");
free(unicode_str);
}
return 0;
}
使用Windows API（仅Windows平台）
如果你在Windows平台上开发,可以使用Windows API进行转换：
#include <windows.h>
#include <stdio.h>
int main() {
const char* gbk_str = "你好，世界！";
int len = MultiByteToWideChar(CP_ACP, 0, gbk_str, -1, NULL, 0);
if (len == 0) {
printf("Error getting buffer size\n");
return 1;
}
wchar_t* unicode_str = malloc(len * sizeof(wchar_t));
if (!unicode_str) {
printf("Memory allocation failed\n");
return 1;
}
len = MultiByteToWideChar(CP_ACP, 0, gbk_str, -1, unicode_str, len);
if (len == 0) {
printf("Conversion failed\n");
free(unicode_str);
return 1;
}
printf("Original GBK: %s\n", gbk_str);
printf("Unicode length: %d\n", len - 1);
printf("Unicode characters: ");
for (int i = 0; i < len - 1; i++) {
printf("%04X ", unicode_str[i]);
}
printf("\n");
free(unicode_str);
return 0;
}
使用第三方库（如ICU）
对于更复杂的国际化需求,可以使用ICU（International Components for Unicode）库：
#include <stdio.h>
#include <stdlib.h>
#include <unicode/ustring.h>
#include <unicode/ucnv.h>
int main() {
const char* gbk_str = "你好，世界！";
UErrorCode status = U_ZERO_ERROR;
// 创建GBK转换器
UConverter* conv = ucnv_open("GBK", &status);
if (U_FAILURE(status)) {
printf("Error opening converter: %s\n", u_errorName(status));
return 1;
}
// 计算需要的Unicode缓冲区大小
int32_t src_len = strlen(gbk_str);
int32_t unicode_len = 0;
ucnv_toUChars(conv, NULL, 0, gbk_str, src_len, &status);
if (status != U_BUFFER_OVERFLOW_ERROR) {
printf("Error calculating buffer size: %s\n", u_errorName(status));
ucnv_close(conv);
return 1;
}
status = U_ZERO_ERROR;
// 分配缓冲区并转换
UChar* unicode_str = malloc((unicode_len + 1) * sizeof(UChar));
if (!unicode_str) {
printf("Memory allocation failed\n");
ucnv_close(conv);
return 1;
}
ucnv_toUChars(conv, unicode_str, unicode_len + 1, gbk_str, src_len, &status);
if (U_FAILURE(status)) {
printf("Conversion failed: %s\n", u_errorName(status));
free(unicode_str);
ucnv_close(conv);
return 1;
}
printf("Original GBK: %s\n", gbk_str);
printf("Unicode length: %d\n", unicode_len);
printf("Unicode characters: ");
for (int i = 0; i < unicode_len; i++) {
printf("%04X ", unicode_str[i]);
}
printf("\n");
free(unicode_str);
ucnv_close(conv);
return 0;
}
注意事项
-
字节序问题：Unicode有多种表示形式（UTF-16、UTF-32等），上述示例主要展示UTF-16（Windows的wchar_t）或UTF-32的转换结果。
（图片来源网络，侵删） -
错误处理：实际应用中需要更完善的错误处理。
-
内存管理：确保分配的内存被正确释放。
-
平台差异：不同平台对Unicode的支持可能不同，Windows使用UTF-16，而许多Unix系统使用UTF-32作为wchar_t的编码。
-
性能考虑：频繁转换时，可以考虑重用转换器对象。
选择哪种方法取决于你的具体需求、运行平台和项目约束，对于简单的跨平台需求，iconv通常是不错的选择；对于Windows特定应用，Windows API更直接；对于复杂的国际化处理，ICU库是最全面的解决方案。
