UTF-8转GBK 中文显示

最新推荐文章于 2025-04-17 12:05:34 发布

前行@蜗牛

最新推荐文章于 2025-04-17 12:05:34 发布

阅读量2.4k

点赞数

文章标签：程序人生经验分享

本文链接：https://blog.youkuaiyun.com/sjygqz/article/details/106623488

版权

本文详细解析了UTF-8编码转GBK编码的过程，包括UTF-8转Unicode及Unicode转GBK的具体步骤。首先介绍了UTF-8编码规则，如何通过位操作获取Unicode编码，并通过查表将Unicode转换为GBK编码，提供了具体实现代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

由UTF-8转GBK显示，思路如下：

UTF-8 转 Unicode，Unicode查表转GBK，再根据字库显示

第一步：需要了解UTF-8转UNICODE 规则

UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。
如表：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
因此UTF-8中可以用来表示字符编码的实际位数最多有31位，即上表中x所表示的位。

除去那些控制位（每字节开头的10等），这些x表示的位与UNICODE编码是一一对应的，位高低顺序也相同。

（这是规则的关键点）
实际将UNICODE转换为UTF-8编码时应先去除高位0，然后根据所剩编码的位数决定所需最小的UTF-8编码位数。
因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一个字节的UTF-8编码（7个二进制位）便可以表示。

如：南：（以下为十六进制）

UTF-8 E5 8D 97

1110 0101 1000 1101 1001 0111

Unicode 5 3 5 7

第二步：Unicode转GBK

通过Unicode码得到该字所在地址，在文件中读取GBK编码的字, 该查表文件

https://download.youkuaiyun.com/download/sjygqz/12505477

u16 OneUNICODEtoGBK(u16 unicode)  //用二分查找算法
{
	u32 offset;
	u16 temp;
	UINT bw;
	u8 buff[2];
 
	if(unicode<=0X9FA5)
	{
		if(unicode>=0X4E00)
			offset=unicode-0X4E00;//0x1b87		//0X4E00,汉字偏移起点
		else
			return 0x2020;		//不能显示的字符就给两个空格填充,否则乱码
	}	
	else if(unicode>0X9FA5)//是标点符号
	{
		if(unicode<0XFF01||unicode>0XFF61)
			return 0x2020;//没有对应编码	//不能显示的字符就给两个空格填充,否则乱码
		offset=unicode-0XFF01+0X9FA6-0X4E00;    
	}
	offset *= 2;
 
 
	f_lseek(&UtoG_File, offset);						//文件指针调到偏移位置
	if(f_read(&UtoG_File, buff, 2, &bw) != FR_OK)	//读取2字节
	{
	   return 0x2020;
	}
 
	temp = buff[0];
	temp <<= 8;
	temp += buff[1];
	return temp;	//返回找到的编码				 
}

以上代码引用改博文https://blog.youkuaiyun.com/cp1300/java/article/details/9034289