作者：龍飛
4.1：為什么iconv不能完全正確的轉(zhuǎn)換Unicode？
我不是先知，教程里面是整理過(guò)的思路和邏輯順序，在我研究這個(gè)問(wèn)題的時(shí)候，頭緒遠(yuǎn)遠(yuǎn)比教程里面亂得多。我完全是從Wesnoth的源代碼去分析問(wèn)題的，所以，為什么會(huì)扯上UTF-8和FriBidi，那也是因?yàn)樵谠创a中找到了線索。
iconv不能完全正確的獲得Unicode，也就是我們剛才遇到的純漢字轉(zhuǎn)換沒(méi)問(wèn)題，而有英文就不行了。我并不清楚這是win32下的問(wèn)題，還是在Linux下也這樣，我也不清楚具體的算法和問(wèn)題的根本原因，我只是通過(guò)試驗(yàn)得到一個(gè)算是表面原因的結(jié)論：我們知道，GB2312和Unicode漢字都使用2個(gè)字節(jié)（在UTF-8中是3個(gè)字節(jié)），英文和數(shù)字等用1個(gè)字節(jié)。iconv在得到兩個(gè)字節(jié)（unsigned char即一個(gè)字節(jié)大?。┐a的時(shí)候可以正確的將GB2312轉(zhuǎn)化為Unicode（或者UTF-8），但是只有1個(gè)字節(jié)的時(shí)候則在轉(zhuǎn)化Unicode的時(shí)候終止了，幸運(yùn)的是，如果是轉(zhuǎn)化為UTF-8則可以正確的進(jìn)行，并且也轉(zhuǎn)化為1個(gè)字節(jié)的UTF-8（只限于英文，數(shù)字等）。
所以，我們可以先通過(guò)iconv將原來(lái)的GB2312轉(zhuǎn)化為UTF-8——漢字用3個(gè)字節(jié)（3個(gè)單位的unsigned char），英文、數(shù)字和基本符號(hào)用1個(gè)字節(jié)（1個(gè)單位的unsigned char）。然后，我們需要一個(gè)函數(shù)，將這種形式的UTF-8轉(zhuǎn)換為SDL所需要的Uint16的Unicode。什么樣的函數(shù)可以實(shí)現(xiàn)這種轉(zhuǎn)換呢？
4.2：其它編碼與Unicode之間的雙向轉(zhuǎn)換，GNU FriBidi
http://fribidi.freedesktop.org/wiki/
FriBidi是一個(gè)致力于Unicode編碼與其它編碼相互轉(zhuǎn)換的開(kāi)源項(xiàng)目，到目前為止，還是一個(gè)尚未完成的項(xiàng)目。我在研究Wesnoth源代碼的時(shí)候看到這樣的函數(shù)：fribidi_utf8_to_unicode()，所以，我想在這個(gè)函數(shù)中可能應(yīng)該包含UTF-8到Unicode的算法——希望不要太復(fù)雜。在FriBidi項(xiàng)目中找到這個(gè)函數(shù)，它在文件fribidi_char_sets_utf8.c下面：
int
fribidi_utf8_to_unicode (char *s, int len, FriBidiChar *us)
/* warning: the length of input string may exceed the length of the output */
{
int length;
char *t = s;
length = 0;
while (s - t < len)
{
if (*(unsigned char *) s <= 0x7f) /* one byte */
{
*us++ = *s++; /* expand with 0s */
}
else if (*(unsigned char *) s <= 0xdf) /* 2 byte */
{
*us++ =
((*(unsigned char *) s & 0x1f) << 6) +
((*(unsigned char *) (s + 1)) & 0x3f);
s += 2;
}
else /* 3 byte */
{
*us++ =
((int) (*(unsigned char *) s & 0x0f) << 12) +
((*(unsigned char *) (s + 1) & 0x3f) << 6) +
(*(unsigned char *) (s + 2) & 0x3f);
s += 3;
}
length++;
}
*us = 0;
return (length);
}
其中，我們找到FriBidiChar的定義，類(lèi)似Uint32的類(lèi)型；另外，函數(shù)用char表示1字節(jié)的單位。根據(jù)我的試驗(yàn)，至少在VC2008下是有錯(cuò)誤的，我們一直用的是unsigned char表示1字節(jié)的單位，所以，我們需要對(duì)這個(gè)函數(shù)做些修改：
int myUTF8_to_UNICODE(Uint16* unicode, unsigned char* utf8, int len)
{
int length;
unsigned char* t = utf8;
length = 0;
while (utf8 - t < len){
//one byte.ASCII as a, b, c, 1, 2, 3
ect
if ( *(unsigned char *) utf8 <= 0x7f ) {
//expand with 0s.
*unicode++ = *utf8++;
}
//2 byte.
else if ( *(unsigned char *) utf8 <= 0xdf ) {
*unicode++ = ((*(unsigned char *) utf8 & 0x1f) << 6) + ((*(unsigned char *) (utf8 + 1)) & 0x3f);
utf8 += 2;
}
//3 byte.Chinese may use 3 byte.
else {
*unicode++ = ((int) (*(unsigned char *) utf8 & 0x0f) << 12) +
((*(unsigned char *) (utf8 + 1) & 0x3f) << 6) +
(*(unsigned char *) (utf8 + 2) & 0x3f);
utf8 += 3;
}
length++;
}
*unicode = 0;
return (length);
}
4.3：將漢字，英文，數(shù)字和符號(hào)都正確的轉(zhuǎn)換為16位的Unicode
有了iconv和上面這個(gè)函數(shù)，我們終于可以將GB2312的編碼正確的轉(zhuǎn)換為Unicode了。
//FileName: gb2312_to_Unicode.h
#ifndef GB2312_TO_UNICODE_H_
#define GB2312_TO_UNICODE_H_
#include <iostream>
#include <vector>
#include "GNU/iconv.h"
#include "SDL/SDL.h"
std::vector<Uint16> getUnicode(const std::string& str);
#endif
實(shí)現(xiàn)文件中包含我們上面寫(xiě)的從UTF-8到Unicode的函數(shù)：
#include "gb2312_to_Unicode.h"
int myUTF8_to_UNICODE(Uint16* unicode, unsigned char* utf8, int len);
std::vector<Uint16> getUnicode(const std::string& str)
{
const int CHAR_SIZE = 256;
//GB2312 src
const unsigned char* src = (const unsigned char*)(str.c_str());
size_t src_len = strlen((char*)src);
//Unicode dst to get
unsigned char dst[CHAR_SIZE] = {0};
size_t dst_len = sizeof(dst);
//iconv arg
const unsigned char* in = src;
unsigned char* out = dst;
iconv_t cd;
//GB2312 to UTF-8
cd = iconv_open("UTF-8", "GB2312");
if ((iconv_t)-1 == cd){
exit (-1);
}
//conversion
iconv(cd, (const char**)&in, &src_len, (char**)&out, &dst_len);
//UTF-8 to Unicode
int utf8Len = strlen((char*)dst);
Uint16 unicodeData[CHAR_SIZE] = {0};
int unicodeLen = myUTF8_to_UNICODE(unicodeData, dst, utf8Len);
std::vector<Uint16> unicodeVectorArray;
for (int i = 0; i < unicodeLen; i++) {
unicodeVectorArray.push_back(unicodeData[i]);
}
iconv_close(cd);
return unicodeVectorArray;
}
函數(shù)把一個(gè)std::string轉(zhuǎn)換位Uint16的vector數(shù)組并返回，這正是SDL所需要的Unicode格式。
posted on 2008-03-31 11:00
lf426 閱讀(5554)
評(píng)論(0) 編輯 收藏 引用 所屬分類(lèi):
SDL入門(mén)教程 、
跨平臺(tái)與GNU