coding
編碼定義
在計(jì)算機(jī)硬件中，編碼（coding）是在一個(gè)主題或單元上為數(shù)據(jù)存儲(chǔ)，管理和分析的目的而轉(zhuǎn)換信息為編碼值（典型地如數(shù)字）的過(guò)程。在軟件中，編碼意味著邏輯地使用一個(gè)特定的語(yǔ)言如C或C++來(lái)執(zhí)行一個(gè)程序。在密碼學(xué)中，編碼是指在編碼或密碼中寫(xiě)的行為。
將數(shù)據(jù)轉(zhuǎn)換為代碼或編碼字符，并能譯為原數(shù)據(jù)形式。是計(jì)算機(jī)書(shū)寫(xiě)指令的過(guò)程，程序設(shè)計(jì)中的一部分。在地圖自動(dòng)制圖中，按一定規(guī)則用數(shù)字與字母表示地圖內(nèi)容的過(guò)程，通過(guò)編碼，使計(jì)算機(jī)能識(shí)別地圖的各地理要素。
n位二進(jìn)制數(shù)可以組合成2的n次方個(gè)不同的信息，給每個(gè)信息規(guī)定一個(gè)具體碼組，這種過(guò)程也叫編碼。
數(shù)字系統(tǒng)中常用的編碼有兩類，一類是二進(jìn)制編碼，另一類是二—十進(jìn)制編碼。漢字的編碼體系
1．ASCII與Binary
我們?nèi)粘＝佑|到的文件分ASCII和Binary兩種。ASCII是“美國(guó)信息交換標(biāo)準(zhǔn)編碼”的英文字頭縮寫(xiě)，可稱之為“美標(biāo)”。美標(biāo)規(guī)定了用從0到127的128個(gè)數(shù)字來(lái)代表信息的規(guī)范編碼，其中包括33個(gè)控制碼，一個(gè)空格碼，和94個(gè)形象碼。形象碼中包括了英文大小寫(xiě)字母，阿拉伯?dāng)?shù)字，標(biāo)點(diǎn)符號(hào)等。我們平時(shí)閱讀的英文電腦文本，就是以形象碼的方式傳遞和存儲(chǔ)的。美標(biāo)是國(guó)際上大部分大小電腦的通用編碼。
然而電腦中的一個(gè)字符大都是用一個(gè)八位數(shù)的二進(jìn)制數(shù)字表示。這樣每一字符便可能有256個(gè)不同的數(shù)值。由于美標(biāo)只規(guī)定了128個(gè)編碼，剩下的另外128個(gè)數(shù)碼沒(méi)有規(guī)范，各家用法不一。另外美標(biāo)中的33個(gè)控制碼，各廠家用法也不盡一致。這樣我們?cè)诓煌娔X間交換文件的時(shí)候，就有必要區(qū)分兩類不同的文件。第一類文件中每一個(gè)字都是美標(biāo)形象碼或空格碼。這類文件稱為“美標(biāo)文本文件”(ASCII Text Files)，或略為“文本文件”，通?？稍诓煌娔X系統(tǒng)間直接交換。第二類文件，也就是含有控制碼或非美標(biāo)碼的文件，通常不能在不同電腦系統(tǒng)間直接交換。這類文件有一個(gè)通稱，叫“二進(jìn)制文件”(Binary Files)。
2．國(guó)標(biāo)、區(qū)位、“準(zhǔn)國(guó)標(biāo)”
“國(guó)標(biāo)”是“中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)信息交換用漢字編碼”的簡(jiǎn)稱。國(guó)標(biāo)表（基本表）把七千余漢字、以及標(biāo)點(diǎn)符號(hào)、外文字母等，排成一個(gè)94行、94列的方陣。方陣中每一橫行叫一個(gè)“區(qū)”，每個(gè)區(qū)有九十四個(gè)“位”。一個(gè)漢字在方陣中的坐標(biāo)，稱為該字的“區(qū)位碼”。例如“中”字在方陣中處于第５４區(qū)第４８位，它的區(qū)位碼就是5448。
其實(shí)94這個(gè)數(shù)字。它是美標(biāo)中形象碼的總數(shù)。國(guó)標(biāo)表沿用這個(gè)數(shù)字，本意大概是要用兩個(gè)美標(biāo)形象符代表一個(gè)漢字。由于美標(biāo)形象符的編碼是從33到126，漢字區(qū)、位碼如果各加上32，就會(huì)與美標(biāo)形象碼的范圍重合。如上例“中”字區(qū)、位碼加上32后，得86,80。這兩個(gè)數(shù)字的十六進(jìn)制放在一起得5650，稱為該字的“國(guó)標(biāo)碼”，而與其相對(duì)應(yīng)的兩個(gè)美標(biāo)符號(hào)，VP，也就是“中”字的“國(guó)標(biāo)符”了。
這樣就產(chǎn)生了一個(gè)如何區(qū)分國(guó)標(biāo)符與美標(biāo)符的問(wèn)題。在一個(gè)中英文混用的文件里，“VP”到底代表“中”字呢，還是代表某個(gè)英文字頭縮寫(xiě)？電子工業(yè)部第六研究所開(kāi)發(fā)CCDOS的時(shí)候，使用了一個(gè)簡(jiǎn)便的解決方案：把國(guó)標(biāo)碼的兩個(gè)數(shù)字各加上128，上升到非美標(biāo)碼的位置。（改變后的國(guó)標(biāo)碼，習(xí)慣上仍叫“國(guó)標(biāo)”。）
這個(gè)方案固然解決了原來(lái)的問(wèn)題，可是新的問(wèn)題隨之產(chǎn)生。中文文件成了“二進(jìn)制文件”，既不能可靠地在不同電腦系統(tǒng)間交換，也不與市場(chǎng)上大部分以美標(biāo)符號(hào)為設(shè)計(jì)對(duì)象的軟件兼容。
為了區(qū)分以上兩種“國(guó)標(biāo)”，我們把原與美標(biāo)形象碼重合的國(guó)標(biāo)碼稱為“純國(guó)標(biāo)” ，而把CCDOS加上128的國(guó)標(biāo)碼稱為“準(zhǔn)國(guó)標(biāo)”。
3．GBK碼：
GBK碼是GB碼的擴(kuò)展字符編碼，對(duì)多達(dá)2萬(wàn)多的簡(jiǎn)繁漢字進(jìn)行了編碼，簡(jiǎn)體版的Win95和Win98都是使用GBK作系統(tǒng)內(nèi)碼。
從實(shí)際運(yùn)用來(lái)看，微軟自win95簡(jiǎn)體中文版開(kāi)始，系統(tǒng)就采用GBK代碼，它包括了TrueType宋體、黑體兩種GBK字庫(kù)（北京中易電子公司提供），可以用于顯示和打印，并提供了四種GBK漢字的輸入法。此外，瀏覽器IE4.0簡(jiǎn)體、繁體中文版內(nèi)部提供了一個(gè)GBK-BIG5代碼雙向轉(zhuǎn)換功能。此外，微軟公司為IE提供的語(yǔ)言包中，簡(jiǎn)體中文支持（Simplified Chinese Language Support Kit）的兩種字庫(kù)宋體、黑體，也是GBK漢字（珠海四通電腦排版系統(tǒng)開(kāi)發(fā)公司提供）。其他一些中文字庫(kù)生產(chǎn)廠商，也開(kāi)始提供TrueType或PostScript GBK字庫(kù)。
許多外掛式的中文平臺(tái)，如南極星、四通利方（Richwin）等，提供GBK碼的支持，包括字庫(kù)、輸入法和GBK與其他中文代碼的轉(zhuǎn)化器。
互聯(lián)網(wǎng)方面，許多網(wǎng)站網(wǎng)頁(yè)使用GBK代碼。
但是多數(shù)搜索引擎都不能很好的支持GBK漢字搜索，大陸地區(qū)的搜索引擎有些能不完善的支持GBK漢字檢索。
其實(shí)，GBK是又一個(gè)漢字編碼標(biāo)準(zhǔn)，全稱《漢字內(nèi)碼擴(kuò)展規(guī)范》（Chinese Internatial Code Specification），1995年頒布。GB是國(guó)標(biāo)，K是漢字“擴(kuò)展”的漢語(yǔ)拼音第一個(gè)字母。
GBK向下與GB-2312編碼兼容，向上支持ISO 10646.1國(guó)際標(biāo)準(zhǔn)，是前者向后者過(guò)渡的一個(gè)承啟標(biāo)準(zhǔn)。
GBK規(guī)范收錄了ISO 10646.1中的全部CJK漢字和符號(hào)，并有所補(bǔ)充。具體包括：GB 2312中的全部漢字、非漢字符號(hào)；GB 13000.1中的其他CJK漢字。以上合計(jì)20902個(gè)GB化漢字；《簡(jiǎn)化總表中》未收入GB 13000.1的52個(gè)漢字；《康熙字典》以及《辭?！分形幢皇杖隚B 13000.1的28個(gè)部首及重要構(gòu)件；13個(gè)漢字結(jié)構(gòu)符；BIG-5中未被GB 2312收入、但存在于GB 13000.1的139個(gè)圖形符號(hào)；GB 12345增補(bǔ)的6個(gè)拼音符號(hào)；GB 12345增補(bǔ)的19個(gè)豎排圖形符號(hào)（GB 12345較GB 2312增補(bǔ)豎排標(biāo)點(diǎn)符號(hào)29個(gè)，其中10個(gè)未被GB 13000.1收入，故GBK亦不收）；從GB 13000.1的CJK兼容區(qū)挑選出的21個(gè)漢字；GB 13000.1收入的31個(gè)IBM OS/2專用符號(hào)。GBK亦采用雙字節(jié)表示，總體編碼范圍為0x8140~0xFEFE之間，首字節(jié)在0x81~0xFE之間，尾字節(jié)在0x40~0xFE之間，剔除0x××7F一條線，總計(jì)23940個(gè)碼位，共收入21886個(gè)漢字和圖形符號(hào)，其中漢字（包括部首和構(gòu)件）21003個(gè)，圖形符號(hào)883個(gè)。
4．BIG5碼：
BIG5碼是針對(duì)繁體漢字的漢字編碼，目前在臺(tái)灣、香港的電腦系統(tǒng)中得到普遍應(yīng)用。BIG5碼的編碼范圍參考下文。
5．HZ碼：
HZ碼是在Internet上廣泛使用的一種漢字編碼?！癏Z”方案的特點(diǎn)，是以“純國(guó)標(biāo)”的中文與美標(biāo)碼混用。那么“HZ”是怎樣區(qū)分國(guó)標(biāo)符和美標(biāo)符的呢？答案其實(shí)也很簡(jiǎn)單：當(dāng)一串美標(biāo)碼中間插入一段國(guó)標(biāo)碼的時(shí)候，我們便在國(guó)標(biāo)碼的前面加上~，后面加上~。這些附加碼分別叫“逃出碼”和“逃入碼”。 由于這些附加碼本身也是美標(biāo)形象碼，整個(gè)文件就儼然是一個(gè)美標(biāo)文本文件，可以安然地 在電腦網(wǎng)上傳遞，也和大部分英文文本處理軟件兼容。
6．ISO－2022CJK碼：
ISO-2022是國(guó)際標(biāo)準(zhǔn)組織（ISO）為各種語(yǔ)言字符制定的編碼標(biāo)準(zhǔn)。采用二個(gè)字節(jié)編碼，其中漢語(yǔ)編碼稱ISO-2022 CN，日語(yǔ)、韓語(yǔ)的編碼分別稱JP、KR。一般將三者合稱CJK碼。目前CJK碼主要在Internet網(wǎng)絡(luò)中使用。
7．UCS 和 ISO 10646：
1993年，國(guó)際標(biāo)準(zhǔn)ISO10646 定義了通用字符集 (Universal Character Set, UCS)。 UCS 是所有其他字符集標(biāo)準(zhǔn)的一個(gè)超集。它保證與其他字符集是雙向兼容的。就是說(shuō), 如果你將任何文本字符串翻譯到 UCS格式，然后再翻譯回原編碼, 你不會(huì)丟失任何信息。
UCS 包含了用于表達(dá)所有已知語(yǔ)言的字符。不僅包括拉丁語(yǔ)，希臘語(yǔ)，斯拉夫語(yǔ),希伯來(lái)語(yǔ),阿拉伯語(yǔ),亞美尼亞語(yǔ)和喬治亞語(yǔ)的描述， 還包括中文，日文和韓文這樣的象形文字，以及平假名，片假名，孟加拉語(yǔ), 旁遮普語(yǔ)果魯穆奇字符(Gurmukhi)， 泰米爾語(yǔ)， 印.埃納德語(yǔ)(Kannada)，Malayalam，泰國(guó)語(yǔ), 老撾語(yǔ)， 漢語(yǔ)拼音(Bopomofo)， Hangul，Devangari，Gujarati， Oriya，Telugu 以及其它語(yǔ)種。對(duì)于還沒(méi)有加入的語(yǔ)言, 由于正在研究怎樣在計(jì)算機(jī)中最好地編碼它們， 因而最終它們都將被加入。這些語(yǔ)言包括Tibetian，高棉語(yǔ)，Runic(古代北歐文字)，埃塞俄比亞語(yǔ)， 其他象形文字，以及各種各樣的印-歐語(yǔ)系的語(yǔ)言，還包括挑選出來(lái)的藝術(shù)語(yǔ)言比如 Tengwar，Cirth 和 克林貢語(yǔ)(Klingon)。UCS 還包括大量的圖形的，印刷用的，數(shù)學(xué)用的和科學(xué)用的符號(hào)，包括所有由 TeX，Postscript， MS-DOS，MS-Windows， Macintosh， OCR 字體， 以及許多其他字處理和出版系統(tǒng)提供的字符。
ISO 10646 定義了一個(gè) 31 位的字符集。 然而, 在這巨大的編碼空間中, 迄今為止只分配了前 65534 個(gè)碼位 (0x0000 到 0xFFFD)。這個(gè)UCS的16位子集稱為基本多語(yǔ)言面 (Basic Multilingual Plane, BMP)。 將被編碼在16位BMP以外的字符都屬于非常特殊的字符(比如象形文字), 且只有專家在歷史和科學(xué)領(lǐng)域里才會(huì)用到它們。按當(dāng)前的計(jì)劃, 將來(lái)也許再也不會(huì)有字符被分配到從0x000000到0x10FFFF這個(gè)覆蓋了超過(guò)100萬(wàn)個(gè)潛在的未來(lái)字符的 21 位的編碼空間以外去了。ISO 10646-1標(biāo)準(zhǔn)第一次發(fā)表于1993年, 定義了字符集與 BMP 中內(nèi)容的架構(gòu)。定義 BMP以外的字符編碼的第二部分 ISO 10646-2 正在準(zhǔn)備中, 但也許要過(guò)好幾年才能完成。新的字符仍源源不斷地加入到 BMP 中, 但已經(jīng)存在的字符是穩(wěn)定的且不會(huì)再改變了。
UCS 不僅給每個(gè)字符分配一個(gè)代碼, 而且賦予了一個(gè)正式的名字。表示一個(gè) UCS 或 Unicode 值的十六進(jìn)制數(shù), 通常在前面加上 “U+”, 就象U+0041 代表字符“拉丁大寫(xiě)字母A”。UCS字符U+0000到U+007F 與 US-ASCII(ISO 646) 是一致的， U+0000 到 U+00FF 與 ISO 8859-1(Latin-1) 也是一致的。從 U+E000 到 U+F8FF，已經(jīng)BMP 以外的大范圍的編碼是為私用保留的。
1993年，ISO10646中定義的USC-4 (Universal Character Set) ，使用了4 個(gè)字節(jié)的寬度以容納足夠多的相當(dāng)可觀的空間，但是這個(gè)過(guò)于肥胖的字符標(biāo)準(zhǔn)在當(dāng)時(shí)乃至現(xiàn)在都有其不現(xiàn)實(shí)的一面，就是會(huì)過(guò)分侵占存儲(chǔ)空間并影響信息傳輸?shù)男省?與此同時(shí)，Unicode 組織于約 10 年前以 Universal, Unique和Uniform 為主旨也開(kāi)始開(kāi)發(fā)一個(gè)16位字符標(biāo)準(zhǔn)， 為避免兩種16位編碼的競(jìng)爭(zhēng)，1992年兩家組織開(kāi)始協(xié)商，以期折衷尋找共同點(diǎn)，這就是今天的 UCS-2 (BMP，Basic Multilingual Plane，16bit) 和Unicode，但它們?nèi)匀皇遣煌姆桨浮?
8．Unicode碼：
關(guān)于Unicode我們需要追溯一下它產(chǎn)生的淵源。
當(dāng)計(jì)算機(jī)普及到東亞時(shí)，遇到了使用表意字符而非字母語(yǔ)言的中、日、韓等國(guó)家。在這些國(guó)家使用的語(yǔ)言中常用字符多達(dá)幾千個(gè)，而原來(lái)字符采用的是單字節(jié)編碼，一張代碼頁(yè)中最多容納的字符只有28=256個(gè)，對(duì)于使用表意字符的語(yǔ)言是在無(wú)能為力。既然一個(gè)字節(jié)不夠，自然人們就采用兩個(gè)字節(jié)，所有出現(xiàn)了使用雙字節(jié)編碼的字符集(DBCS)。不過(guò)雙字節(jié)字符集中雖然表意字符使用了兩個(gè)字節(jié)編碼，但其中的ASCII碼和日文片假名等仍用單字節(jié)表示，如此一來(lái)給程序員帶來(lái)了不小的麻煩，因?yàn)槊慨?dāng)設(shè)計(jì)到DBCS字符串的處理時(shí)，總是要判斷當(dāng)中的一個(gè)字節(jié)到底表示的是一個(gè)字符還是半個(gè)字符，如果是半個(gè)字符，那是前一半還是后一半？由此可見(jiàn)DBCS并不是一種非常好的解決方案。
人們?cè)诓粩鄬ふ疫@更好的字符編碼方案，最后的結(jié)果就是Unicode誕生了。Unicode其實(shí)就是寬字節(jié)字符集，它對(duì)每個(gè)字符都固定使用兩個(gè)字節(jié)即16位表示，于是當(dāng)處理字符時(shí)，不必?fù)?dān)心只處理半個(gè)字符。
目前，Unicode在網(wǎng)絡(luò)、Windows系統(tǒng)和很多大型軟件中得到應(yīng)用。關(guān)于GB編碼的一些常識(shí)
GB編碼標(biāo)準(zhǔn)中，比較常用的是GB2312和GBK兩種，GB2312是GBK的一個(gè)子集，GB2312編碼范圍是 0xA1A1 - 0xFEFE ，如果純粹的 GB2312編碼，處理起來(lái)是十分簡(jiǎn)單的，但處理GBK字符集時(shí)有些小的提示，先說(shuō)說(shuō)GBK編碼的標(biāo)準(zhǔn)吧：
GBK 采用雙字節(jié)表示，總體編碼范圍為 8140-FEFE，首字節(jié)在 81-FE 之間，尾字節(jié)在 40-FE 之間，剔除 xx7F 一條線?？傆?jì) 23940 個(gè)碼位，共收入 21886 個(gè)漢字和圖形符號(hào)，其中漢字（包括部首和構(gòu)件）21003 個(gè)，圖形符號(hào) 883 個(gè)。
全部編碼分為三大部分：
1. 漢字區(qū)。包括：
a. GB 2312 漢字區(qū)。即 GBK/2: B0A1-F7FE。收錄 GB 2312 漢字 6763 個(gè)，按原順序排列。
b. GB 13000.1 擴(kuò)充漢字區(qū)。包括：
(1) GBK/3: 8140-A0FE。收錄 GB 13000.1 中的 CJK 漢字 6080 個(gè)。
(2) GBK/4: AA40-FEA0。收錄 CJK 漢字和增補(bǔ)的漢字 8160 個(gè)。
CJK 漢字在前，按 UCS 代碼大小排列；增補(bǔ)的漢字（包括部首和構(gòu)件）在后，按《康熙字典》的頁(yè)碼／字位排列。
2. 圖形符號(hào)區(qū)。包括：
a. GB 2312 非漢字符號(hào)區(qū)。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符號(hào)外，
還有 10 個(gè)小寫(xiě)羅馬數(shù)字和 GB 12345 增補(bǔ)的符號(hào)。計(jì)符號(hào) 717 個(gè)。
b. GB 13000.1 擴(kuò)充非漢字區(qū)。即 GBK/5: A840-A9A0。BIG-5 非漢字符號(hào)、結(jié)構(gòu)符和“○”排列在此區(qū)。計(jì)符號(hào) 166 個(gè)。
3. 用戶自定義區(qū)：分為(1)(2)(3)三個(gè)小區(qū)。
(1) AAA1-AFFE，碼位 564 個(gè)。
(2) F8A1-FEFE，碼位 658 個(gè)。
(3) A140-A7A0，碼位 672 個(gè)。
第(3)區(qū)盡管對(duì)用戶開(kāi)放，但限制使用，因?yàn)椴慌懦磥?lái)在此區(qū)域增補(bǔ)新字符的可能性。
這里有幾個(gè)小技巧：
一、在php中，字符編碼是按所發(fā)送的編碼為準(zhǔn)的，因些使用的就是用戶輸入的編碼，不會(huì)自動(dòng)改變，但在asp中，默認(rèn)的編碼是unicode，這樣我們很容易就能得到gbk->unicode的編碼對(duì)照表，這樣即使在毫無(wú)基礎(chǔ)庫(kù)的情況下也能很容易的實(shí)現(xiàn)gbk到utf-8的轉(zhuǎn)換了；
二、由于GBK是高位最低數(shù)值是0x40，即是64，因此，有時(shí)候組織一些涉及中文的字串時(shí)，分割字符最好用64之前的ascii碼，這樣在任意情況下替換或分割都不會(huì)出現(xiàn)亂碼，比較常用的是 ","、";"、":"、" "、" "、" "，這些字符永遠(yuǎn)都不會(huì)給gb編碼添亂。編碼的種類
編碼(Encoding)在認(rèn)知上是解釋傳入的刺激的一種基本知覺(jué)的過(guò)程。技術(shù)上來(lái)說(shuō)，這是一個(gè)復(fù)雜的、多階段的轉(zhuǎn)換過(guò)程，從較為客觀的感覺(jué)輸入（例如光、聲）到主觀上有意義的體驗(yàn)。
字符編碼(Character encoding)是一套法則，使用該法則能夠?qū)ψ匀徽Z(yǔ)言的字符的一個(gè)集合（如字母表或音節(jié)表），與其他東西的一個(gè)集合（如號(hào)碼或電脈沖）進(jìn)行配對(duì)。
文字編碼(Text encoding)使用一種標(biāo)記語(yǔ)言來(lái)標(biāo)記一篇文字的結(jié)構(gòu)和其他特征，以方便計(jì)算機(jī)進(jìn)行處理。
語(yǔ)義編碼(Semantics encoding)，以正式語(yǔ)言乙對(duì)正式語(yǔ)言甲進(jìn)行語(yǔ)義編碼，即是使用語(yǔ)言乙表達(dá)語(yǔ)言甲所有的詞匯（如程序或說(shuō)明）的一種方法。
電子編碼(Electronic encoding)是將一個(gè)信號(hào)轉(zhuǎn)換成為一個(gè)代碼，這種代碼是被優(yōu)化過(guò)的以利于傳輸或存儲(chǔ)。轉(zhuǎn)換工作通常由一個(gè)編解碼器完成。
神經(jīng)編碼(Neural encoding)是指信息在神經(jīng)元中被如何描繪的方法。
記憶編碼(Memory encoding)是把感覺(jué)轉(zhuǎn)換成記憶的過(guò)程。
加密(Encryption)是為了保密而對(duì)信息進(jìn)行轉(zhuǎn)換的過(guò)程。
譯碼(Transcoding)是將編碼從一種格式轉(zhuǎn)換到另一種格式的過(guò)程。[1]字符集編碼轉(zhuǎn)換輕松實(shí)現(xiàn)
一、利用iconv函數(shù)族進(jìn)行編碼轉(zhuǎn)換
在LINUX上進(jìn)行編碼轉(zhuǎn)換時(shí),既可以利用iconv函數(shù)族編程實(shí)現(xiàn),也可以利用iconv命令來(lái)實(shí)現(xiàn),只不過(guò)后者是針對(duì)文件的,即將指定文件從一種編碼轉(zhuǎn)換為另一種編碼。
iconv函數(shù)族的頭文件是iconv.h，使用前需包含之。
#include <iconv.h>
iconv函數(shù)族有三個(gè)函數(shù),原型如下：
(1) iconv_t iconv_open(const char *tocode, const char *fromcode)；
此函數(shù)說(shuō)明將要進(jìn)行哪兩種編碼的轉(zhuǎn)換，tocode是目標(biāo)編碼，fromcode是原編碼，該函數(shù)返回一個(gè)轉(zhuǎn)換句柄，供以下兩個(gè)函數(shù)使用。
(2) size_t iconv(iconv_t cd，char **inbuf，size_t *inbytesleft，char **outbuf，size_t *outbytesleft)；
此函數(shù)從inbuf中讀取字符，轉(zhuǎn)換后輸出到outbuf中，inbytesleft用以記錄還未轉(zhuǎn)換的字符數(shù),outbytesleft用以記錄輸出緩沖的剩余空間。 (3) int iconv_close(iconv_t cd)；
此函數(shù)用于關(guān)閉轉(zhuǎn)換句柄,釋放資源。
例子1： 用C語(yǔ)言實(shí)現(xiàn)的轉(zhuǎn)換示例程序
/* f.c ：代碼轉(zhuǎn)換示例C程序 */
#include <iconv.h>
#define OUTLEN 255
main()
{
char *in_utf8 = "姝ｅ?ㄥ??瑁?"；
char *in_gb2312 = "正在安裝"；
char out[OUTLEN]；
//unicode碼轉(zhuǎn)為gb2312碼
rc = u2g(in_utf8,strlen(in_utf8),out,OUTLEN)；
printf("unicode-->gb2312 out=%sn",out)；
//gb2312碼轉(zhuǎn)為unicode碼
rc = g2u(in_gb2312,strlen(in_gb2312),out,OUTLEN)；
printf("gb2312-->unicode out=%sn",out)；
}
//代碼轉(zhuǎn)換:從一種編碼轉(zhuǎn)為另一種編碼
int code_convert(char *from_charset,char *to_charset,char *inbuf,int inlen,char *outbuf,int outlen)
{
iconv_t cd;
int rc;
char **pin = &inbuf;
char **pout = &outbuf;
cd = iconv_open(to_charset,from_charset);
if (cd==0) return -1;
memset(outbuf,0,outlen);
if (iconv(cd,pin,&inlen,pout,&outlen)==-1) return -1;
iconv_close(cd);
return 0;
}
//UNICODE碼轉(zhuǎn)為GB2312碼
int u2g(char *inbuf,int inlen,char *outbuf,int outlen)
{
return code_convert("utf-8","gb2312",inbuf,inlen,outbuf,outlen);
}
//GB2312碼轉(zhuǎn)為UNICODE碼
int g2u(char *inbuf,size_t inlen,char *outbuf,size_t outlen)
{
return code_convert("gb2312","utf-8",inbuf,inlen,outbuf,outlen);
}
例子2: 用C++語(yǔ)言實(shí)現(xiàn)的轉(zhuǎn)換示例程序
/* f.cpp : 代碼轉(zhuǎn)換示例C++程序 */
#include <iconv.h>
#include <iostream>
#define OUTLEN 255
using namespace std;
// 代碼轉(zhuǎn)換操作類
class CodeConverter {
private:
iconv_t cd;
public:
// 構(gòu)造
CodeConverter(const char *from_charset,const char *to_charset) {
cd = iconv_open(to_charset,from_charset);
}
// 析構(gòu)
~CodeConverter() {
iconv_close(cd);
}
// 轉(zhuǎn)換輸出
int convert(char *inbuf,int inlen,char *outbuf,int outlen) {
char **pin = &inbuf;
char **pout = &outbuf;
memset(outbuf,0,outlen);
return iconv(cd,pin,(size_t *)&inlen,pout,(size_t *)&outlen);
}
};
int main(int argc, char **argv)
{
char *in_utf8 = "姝ｅ?ㄥ??瑁?";
char *in_gb2312 = "正在安裝";
char out[OUTLEN];
// utf-8-->gb2312
CodeConverter cc = CodeConverter("utf-8","gb2312");
cc.convert(in_utf8,strlen(in_utf8),out,OUTLEN);
cout << "utf-8-->gb2312 in=" << in_utf8 << ",out=" << out << endl;
// gb2312-->utf-8
CodeConverter cc2 = CodeConverter("gb2312","utf-8");
cc2.convert(in_gb2312,strlen(in_gb2312),out,OUTLEN);
cout << "gb2312-->utf-8 in=" << in_gb2312 << ",out=" << out << endl;
}
二、利用iconv命令進(jìn)行編碼轉(zhuǎn)換
在LINUX上進(jìn)行編碼轉(zhuǎn)換時(shí),既可以利用iconv函數(shù)族編程實(shí)現(xiàn),也可以利用iconv命令來(lái)實(shí)現(xiàn),只不過(guò)后者是針對(duì)文件的,即將指定文件從一種編碼轉(zhuǎn)換為另一種編碼。
iconv命令用于轉(zhuǎn)換指定文件的編碼,默認(rèn)輸出到標(biāo)準(zhǔn)輸出設(shè)備,亦可指定輸出文件。
用法： iconv [選項(xiàng)...] [文件...]
有如下選項(xiàng)可用：
輸入/輸出格式規(guī)范：
-f, --from-code=名稱 原始文本編碼
-t, --to-code=名稱 輸出編碼
信息：
-l, --list 列舉所有已知的字符集
輸出控制：
-c 從輸出中忽略無(wú)效的字符
-o, --output=FILE 輸出文件
-s, --silent 關(guān)閉警告
--verbose 打印進(jìn)度信息
-?, --help 給出該系統(tǒng)求助列表
--usage 給出簡(jiǎn)要的用法信息
-V, --version 打印程序版本號(hào)
例子：
iconv -f utf-8 -t gb2312 aaa.txt >bbb.txt
這個(gè)命令讀取aaa.txt文件，從utf-8編碼轉(zhuǎn)換為gb2312編碼,其輸出定向到bbb.txt文件。
小結(jié): LINUX為我們提供了強(qiáng)大的編碼轉(zhuǎn)換工具,給我們帶來(lái)了方便。
浙公網(wǎng)安備33010602010414號(hào)