字符编码转换.doc

《字符编码转换.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Gbk码位图Gb18030码位图Unicode编码UTF-8编码(二进制)U+0000–U+007F0xxxxxxxU+0080–U+07FF110xxxxx10xxxxxxU+0800–U+FFFF1110xxxx10xxxxxx10xxxxxxU+10000–U+10FFFF11110xxx10xxxxxx10xxxxxx10xxxxxxUnicode编码UTF-16编码(二进制)U+0000–U+FFFF0x1234对应的16位unsignedint0x1234U+0x10000-U+10FFFFyyyyyyyyyyxxxxxxxxxx各种编码之间转换的基本原理：以unicod

2、e码值为中间载体，被转换的字符先根据其原来的编码规则，解码出对应的unicode值，然后，根据unicode值在转换成目标编码。由此，就需要不同编码码值和unicode的对应关系，目前gbk和unicode之间的对应关系由查表得到，gb18030和unicode的对应关系一部分查表，一部分通过计算可得。1.gbktoutf8gbk两个字节表示一个字符，根据gbk与unicode对应关系，得到该字符的unicode值，得到unicode值之后，根据utf8的编码规则，判断unicode值范围，确定用来编码的字节数，确定字节数后，由utf8的编码规则分别填充每个字节；例子：‘破’的gbk

3、编码为0xc6c6，两个字节分别为0xc6和0xc6，根据gbk与unicode对应关系查表得到‘破’的unicode值为0x7834；根据utf8编码规则，0x7834位于U+0800–U+FFFF区间，所以需要三个字节，且编码后形式为1110xxxx10xxxxxx10xxxxxx，0x7834对应的二进制位0111100000110100,将此二进制从左到右填充x，就得到后‘破’的utf8编码，也就是0xE70xA00xB4三个字节。1.utf8togbkutf8变长字节编码，根据utf8的编码规则，根据收到的第一个字节大小判断构成该字符的字节数num，分别判断从当前字节起的n

4、um个字节是否符合utf8编码规则，不符合做出错处理；符合utf8的规则后，开始解码为unicode值，解码的操作就按照编码返回来，得到unicode码值后，查表就可以得到对应的gbk编码字节。例子：‘破’的utf8编码值为0xE70xA00xB4三个字节，对应的二进制为，按照utf8的编码规则，着色部分组合到一起为对应的unicode值，于是得到unicode值10100,0x7834，查表得到0x7834对应的gbk码值0xc6c6，这样转换后的gbk编码就是0xc6，0xc6两个字节。3．gb18030toutf8gb18030变长编码，1、2、4个字节；对收到的gb18030

5、编码数据先根据第一个字节确定几个字节构成的字符，如果<0x7f，则为一个字节；否则为2或4个字节，接下来判断第二个字节的范围，若第二个字节在407E或者80FE之间，则为二个字节；否则为四个字节。确定字节后，开始寻找对应的unicode值，18030与gbk不同的是，不同字节数确定unicode的方法不同，2字节的与gbk一样（个别不一致），4字节的一部分需要查表（0x~0x8439FE39），4字节的其余可根据公式算出（0x~0xE339FE39）。假设某字符的gb18030编码为四个字节0x910x310x840x36，根据范围，此四个字节需要通过公式计算，计算公式为（0x91-

6、0x90）*12600+（0x31-0x30）*1260+（0x84-0x81）*10+（0x36-0x30）=0x3648，即unicode值。得到unicode值后，按照utf8编码可得到对应的utf8字节。4.utf8togb18030utf8转换unicode值在2里面以介绍，得到unicode之后，判断unicode值落在的区间，如果unicode值在0x0000-0xFFFF之间，则通过查表可得到对应的gb18030码值；若大于0xFFFF，则u=unicode-0x10000,根据以下公式得到对应的gb18030码值。U=Unicode编码-0x10000m1=U/12

7、600n1=U%12600m2=n1/1260n2=n1%1260m3=n2/10n3=n2%10第一字节b1=m1+0x90，第二字节b2=m2+0x30，第三字节b3=m3+0x81第四字节b4=n3+0x30