Wie kann ich Zeichen in einer UTF-8-Zeichenfolge in die entsprechenden UCS-2-Codepunkte konvertieren?

Konvertieren von Zeichen in UCS-2-Codepunkte in UTF-8-Zeichenfolge

Bei dieser Frage geht es darum, die UCS-2-Codepunkte für eine bestimmte UTF-8-Zeichenfolge zu erhalten. Die Aufgabe besteht darin, einzelne Zeichen in ihre entsprechenden UCS-2-Codepunkte umzuwandeln, unabhängig von der Sprache oder Komplexität der Zeichen.

UCS-2-Codepunktdarstellung

Jeder UCS-2-Codepunkt wird in 1–4 Bytes gespeichert, basierend auf dem Codepunktwert:

• 1 Byte: 0xxxxxxx
• 2 Bytes: 110xxxxx 10xxxxxx
• 3 Bytes: 1110xxxx 10xxxxxx 10xxxxxx
• 4 Bytes: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

Bestimmen der Byteanzahl

Zur Bestimmung der Byteanzahl für ein Zeichen, untersuchen Sie das erste Byte:

• Führende 0: 1-Byte-Zeichen
• Führende 110: 2-Byte-Zeichen
• Führende 1110: 3-Byte-Zeichen
• Führend 11110: 4-Byte-Zeichen
• Führend 10: Nicht-anfängliches Byte eines Multibyte-Zeichens
• Führend 11111: Ungültiges Zeichen

Beispiel-C-Code

Hier ist ein Beispiel-C-Code zum Konvertieren eines UTF-8-Zeichens in einen UCS-2-Codepunkt:

<code class="c">wchar_t utf8_char_to_ucs2(const unsigned char *utf8)
{
  if(!(utf8[0] & 0x80))      // 0xxxxxxx
    return (wchar_t)utf8[0];
  else if((utf8[0] & 0xE0) == 0xC0)  // 110xxxxx
    return (wchar_t)(((utf8[0] & 0x1F) << 6) | (utf8[1] & 0x3F));
  else if((utf8[0] & 0xF0) == 0xE0)  // 1110xxxx
    return (wchar_t)(((utf8[0] & 0x0F) << 12) | ((utf8[1] & 0x3F) << 6) | (utf8[2] & 0x3F));
  else
    return ERROR;  // uh-oh, UCS-2 can't handle code points this high
}</code>

Alternative Lösungen

Sie können auch vorhandene Bibliotheken wie iconv oder spezifische Bibliotheken für Ihre Programmiersprache verwenden.

Das obige ist der detaillierte Inhalt vonWie kann ich Zeichen in einer UTF-8-Zeichenfolge in die entsprechenden UCS-2-Codepunkte konvertieren?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!