这篇文章主要介绍“UTF-8、UTF-16、UTF-32编码相互转换的方法”，在日常操作中，相信很多人在UTF-8、UTF-16、UTF-32编码相互转换的方法问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”UTF-8、UTF-16、UTF-32编码相互转换的方法”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
为鸡西等地区用户提供了全套网页设计制作服务，及鸡西网站建设行业解决方案。主营业务为成都做网站、成都网站制作、鸡西网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
最近在考虑写一个可以跨平台的通用字符串类，首先需要搞定的就是编码转换问题。
vs默认保存代码文件，使用的是本地code（中文即GBK，日文即Shift-JIS），也可以使用带BOM的UTF-8。
gcc则是UTF-8，有无BOM均可（源代码的字符集可以由参数-finput-charset指定）。
那么源代码可以采用带BOM的UTF-8来保存。而windows下的unicode是UTF-16编码；Linux则使用UTF-8或UTF-32。因此不论在哪种系统里，程序在处理字符串时都需要考虑UTF编码之间的相互转换。
下面直接贴出算法代码。算法上我借鉴了秦建辉（http://blog.csdn.net/jhqin）的UnicodeConverter，只是在外面增加了一些泛型处理，让使用相对简单。
核心算法（来自UnicodeConverter）：
namespace transform
{
/*
UTF-32 to UTF-8
*/
inline static size_t utf(uint32 src, uint8* des)
{
if (src == 0) return 0;
static const byte PREFIX[] = { 0x00, 0xC0, 0xE0, 0xF0, 0xF8, 0xFC };
static const uint32 CODE_UP[] =
{
0x80, // U+00000000 - U+0000007F
0x800, // U+00000080 - U+000007FF
0x10000, // U+00000800 - U+0000FFFF
0x200000, // U+00010000 - U+001FFFFF
0x4000000, // U+00200000 - U+03FFFFFF
0x80000000 // U+04000000 - U+7FFFFFFF
};
size_t i, len = sizeof(CODE_UP) / sizeof(uint32);
for(i = 0; i < len; ++i)
if (src < CODE_UP[i]) break;
if (i == len) return 0; // the src is invalid
len = i + 1;
if (des)
{
for(; i > 0; --i)
{
des[i] = static_cast((src & 0x3F) | 0x80);
src >>= 6;
}
des[0] = static_cast(src | PREFIX[len - 1]);
}
return len;
}
/*
UTF-8 to UTF-32
*/
inline static size_t utf(const uint8* src, uint32& des)
{
if (!src || (*src) == 0) return 0;
uint8 b = *(src++);
if (b < 0x80)
{
des = b;
return 1;
}
if (b < 0xC0 || b > 0xFD) return 0; // the src is invalid
size_t len;
if (b < 0xE0)
{
des = b & 0x1F;
len = 2;
}
else
if (b < 0xF0)
{
des = b & 0x0F;
len = 3;
}
else
if (b < 0xF8)
{
des = b & 0x07;
len = 4;
}
else
if (b < 0xFC)
{
des = b & 0x03;
len = 5;
}
else
{
des = b & 0x01;
len = 6;
}
size_t i = 1;
for (; i < len; ++i)
{
b = *(src++);
if (b < 0x80 || b > 0xBF) return 0; // the src is invalid
des = (des << 6) + (b & 0x3F);
}
return len;
}
/*
UTF-32 to UTF-16
*/
inline static size_t utf(uint32 src, uint16* des)
{
if (src == 0) return 0;
if (src <= 0xFFFF)
{
if (des) (*des) = static_cast(src);
return 1;
}
else
if (src <= 0xEFFFF)
{
if (des)
{
des[0] = static_cast(0xD800 + (src >> 10) - 0x40); // high
des[1] = static_cast(0xDC00 + (src & 0x03FF)); // low
}
return 2;
}
return 0;
}
/*
UTF-16 to UTF-32
*/
inline static size_t utf(const uint16* src, uint32& des)
{
if (!src || (*src) == 0) return 0;
uint16 w1 = src[0];
if (w1 >= 0xD800 && w1 <= 0xDFFF)
{
if (w1 < 0xDC00)
{
uint16 w2 = src[1];
if (w2 >= 0xDC00 && w2 <= 0xDFFF)
{
des = (w2 & 0x03FF) + (((w1 & 0x03FF) + 0x40) << 10);
return 2;
}
}
return 0; // the src is invalid
}
else
{
des = w1;
return 1;
}
}
} 上面这些算法都是针对单个字符的，并且是UTF-32和UTF-16/8之间的互转。
通过上面的算法，可以得到UTF-16和UTF-8之间的单字符转换算法：
namespace transform
{
/*
UTF-16 to UTF-8
*/
inline static size_t utf(uint16 src, uint8* des)
{
// make utf-16 to utf-32
uint32 tmp;
if (utf(&src, tmp) != 1) return 0;
// make utf-32 to utf-8
return utf(tmp, des);
}
/*
UTF-8 to UTF-16
*/
inline static size_t utf(const uint8* src, uint16& des)
{
// make utf-8 to utf-32
uint32 tmp;
size_t len = utf(src, tmp);
if (len == 0) return 0;
// make utf-32 to utf-16
if (utf(tmp, &des) != 1) return 0;
return len;
}
}同样，通过上面的单字符转换算法，可以得到整个字符串的转换算法：
namespace transform
{
/*
UTF-X: string to string
*/
template
size_t utf(const uint32* src, T* des) // UTF-32 to UTF-X(8/16)
{
if (!src || (*src) == 0) return 0;
size_t num = 0;
for(; *src; ++src)
{
size_t len = utf(*src, des);
if (len == 0) break;
if (des) des += len;
num += len;
}
if (des) (*des) = 0;
return num;
}
template
size_t utf(const T* src, uint32* des) // UTF-X(8/16) to UTF-32
{
if (!src || (*src) == 0) return 0;
size_t num = 0;
while(*src)
{
uint32 tmp;
size_t len = utf(src, tmp);
if (len == 0) break;
if (des)
{
(*des) = tmp;
++des;
}
src += len;
num += 1;
}
if (des) (*des) = 0;
return num;
}
template
size_t utf(const T* src, U* des) // UTF-X(8/16) to UTF-Y(16/8)
{
if (!src || (*src) == 0) return 0;
size_t num = 0;
while(*src)
{
// make utf-x to ucs4
uint32 tmp;
size_t len = utf(src, tmp);
if (len == 0) break;
src += len;
// make ucs4 to utf-y
len = utf(tmp, des);
if (len == 0) break;
if (des) des += len;
num += len;
}
if (des) (*des) = 0;
return num;
}
} 有了这些之后，我们已经可以完整的做UTF-8/16/32之间的相互转换了，但是这些函数的使用仍然不是很方便。
比如我现在想把一个UTF-8字符串转换成一个wchar_t*字符串，我得这样写：
const uint8* c = (uint8*)"こんにちわ、世界"; size_t n = (sizeof(wchar_t) == 2) ? transform::utf(c, (uint16*)0) : transform::utf(c, (uint32*)0); wchar_t* s = new wchar_t[n]; if (sizeof(wchar_t) == 2) transform::utf(c, (uint16*)s); else transform::utf(c, (uint32*)s);
这显然是一件很抽搐的事情，因为wchar_t在不同的操作系统（windows/linux）里有不同的sizeof长度。
上面的类型强制转换只是为了去适配合适的函数重载，当然我们也可以通过函数名来区分这些函数：比如分别叫utf8_to_utf32之类的。但是这改变不了写if-else来适配长度的问题。
显然这里可以通过泛型来让算法更好用。
首先，需要被抽离出来的就是参数的类型大小和类型本身的依赖关系：
