linux c++中文处理问题及occi入库中文

最新推荐文章于 2023-04-21 19:00:00 发布

原创

最新推荐文章于 2023-04-21 19:00:00 发布 · 2k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #unicode #utf8 #编码

本文介绍了在Linux系统中，使用C++处理UTF-8编码的中文字符，并通过OCCI库将中文数据存入数据库的方法。关键在于确保编码格式一致，可以设置Environment为AL32UTF8或者通过NLS_LANG环境变量来设定中文编码格式。

最近遇到了C++处理中文问题，系统收到UDP消息中的中文为Unicode编码按字符转为ascii码的格式发过来的，例如，外部系统要发个“君”过来，则实际发过来的是“541b”四个字符，现在需要将收到的消息解析后用occi插入DB。

下面就这两天学到的知识做一个总结，有不对的地方还请大家指正。

一、对字符集和编码格式有概念混淆的问题
常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。
注意，UTF-8和UTF-16都是基于Unicode字符集的编码格式，前面提到的“君”的UTF-16编码是“541b”，UTF-8的编码是“c5909b”,UTF-16与UTF-8编码格式之间的转换，只需要移位处理即可，但UTF-16与GBK之间的转换，由于跨越了字符集，所以需要做相应的字符映射（也就相当于查表），没有表也就没办法转了。

二、UTF-8与UTF-16编码格式的对应关系如下：
字母x表示可用编码的位。

Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
------------------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

三、附上网上找的UTF-16转UTF-8的代码(由于本人的应用只涉及两个