将UTF8编码转换成Unicode（UCS-2）编码

#include <stdio.h>

#include <stdlib.h>

#include <memory.h>

#include <string.h>

/*************************************************************************************************

* 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;

}