UTF8编码转换成Unicode

/************************************************************************************************* * 将UTF8编码转换成Unicode（UCS-2）编码 * 参数： * char* pInput 指向输入字符串（以'/0'结尾）的指针 * char** ppOutput 指向输出字符串指针的指针 * 返回值： * 返回转换后的Unicode字符串的字节数，如果出错则返回-1 * 注意： * 1. UTF8没有字节序问题，但是Unicode字符有字节序， * 字节序分为大端（Big Endian）和小端（Little Endian）两种， * 在Intel处理器中采用小端法表示，因此本例中采用小端法表示。（低地址存低位） * 2. 在调用本函数后需要手动释放 *ppOutput 指向的内存，否则将会造成内存泄漏。 **************************************************************************************************/ int utf8_to_unicode(char* pInput, char** ppOutput) { int outputSize = 0; //记录转换后的Unicode字符串的字节数 *ppOutput = (char *)malloc(strlen(pInput) * 2); //为输出字符串分配足够大的内存空间 memset(*ppOutput, 0, strlen(pInput) * 2); char *tmp = *ppOutput; //临时变量，用于遍历输出字符串 while (*pInput) { if (*pInput > 0x00 && *pInput <= 0x7F) //处理单字节UTF8字符（英文字母、数字） { *tmp = *pInput; tmp++; *tmp = 0; //小端法表示，在高地址填补0 } else if (((*pInput) & 0xE0) == 0xC0) //处理双字节UTF8字符 { char high = *pInput; pInput++; char low = *pInput; if ((low & 0xC0) != 0x80) //检查是否为合法的UTF8字符表示 { return -1; //如果不是则报错 } *tmp = (high << 6) + (low & 0x3F); tmp++; *tmp = (high >> 2) & 0x07; } else if (((*pInput) & 0xF0) == 0xE0) //处理三字节UTF8字符 { char high = *pInput; pInput++; char middle = *pInput; pInput++; char low = *pInput; if (((middle & 0xC0) != 0x80) || ((low & 0xC0) != 0x80)) { return -1; } *tmp = (middle << 6) + (low & 0x7F); tmp++; *tmp = (high << 4) + ((middle >> 2) & 0x0F); } else //对于其他字节数的UTF8字符不进行处理 { return -1; } pInput ++; tmp ++; outputSize += 2; } *tmp = 0; tmp++; *tmp = 0; return outputSize; } //一个调用示例 int main(int argc, char** argv) { //汉字“我”的UTF8编码是 E6 88 91，Unicode编码是 62 11 char str[4] = {(char)0xE6, (char)0x88, (char)0x91, (char)0x00}; char* uni = NULL; int num = utf8_to_unicode(str, &uni); if (num == -1) { printf("Error!/n"); } else { char* p = uni; for (int i = 0; i < num; i++) { printf("%02X", *p); p++; } printf("/n"); } free(uni); //释放内存 return 0; }