VC 6.0下如何将汉字转换为utf-8编码 急急急！！！！！

[大宝]

在VC++ 6.0下要实现如下功能，将汉字转换为utf-8格式 和google类似 比如在google下搜索 "汉字"，自动生成连接http://www.google.cn/search?hl=zh-CN&q=%E6%B1%89%E5%AD%97&meta=&aq=f&oq= 其中“%E6%B1%89%E5%AD%97”就是“汉字”的utf-8编码吧 我也想得到这样一串数据，在C++怎么实现呢？期待高手。。。。。。。。。。。

[猫已经找不回了]

http://www.aghost.cn/blog/article.asp?id=145
这个你看如何？

[珍惜生命远离CPP]

这是转utf-8的,剩下的都容易

//LPCSTR pASCIIBuf 要转换的ascii字符串指针
//LPSTR pUtf8Buf=NULL  转换成Utf8编码的字符串指针
//返回值 如果pUtf8Buf为0 则返回需要pUtf8Buf长度
int AToUtf8(LPCSTR pASCIIBuf,LPSTR pUtf8Buf=NULL)
{
	if (NULL==pASCIIBuf)
		return 0;
	//	ZeroMemory( wch, sizeof(WCHAR)*RECV_BUF );
	DWORD  UniCodeLen=MultiByteToWideChar(CP_ACP, 0, pASCIIBuf, -1, 0, 0);
	AUTO_NEW(wch,unsigned short,UniCodeLen);
	MultiByteToWideChar(CP_ACP, 0, pASCIIBuf, -1, wch, UniCodeLen);
	DWORD dwUtf8Len=WideCharToMultiByte(CP_UTF8, 0, wch, UniCodeLen , NULL, NULL, NULL, NULL );
	if (NULL==pUtf8Buf)
		return dwUtf8Len;
	return WideCharToMultiByte(CP_UTF8, 0, wch, UniCodeLen , pUtf8Buf, dwUtf8Len, NULL, NULL );
}

[cnStreamlet]

////////////////////////////////////////////////////////////////////////////////
//
//	文件名:    UTF8.cpp
//	作者:      溪流
//	创建时间:  2009-1-22 20:25:02
//	描述:      编码转换。暂时只有 Unicode 转为 UTF-8 的功能。
//
////////////////////////////////////////////////////////////////////////////////

#include "StdAfx.h"
#include "Encoding.h"

////////////////////////////////////////////////////////////////////////////////

// UTF-8 定义:
// U-00000000 - U-0000007F: 0xxxxxxx
// U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
// U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
// （以下是 UCS-4 了）
// U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
// U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
// U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
// 后面的 xxxx 用原来 Unicode 中的位依次填充


/// @brief Unicode 字符转换为 UTF-8 字符
/// @param buf [out] UTF-8 字符缓冲区，最大可能需要 6 个字节
/// @param bufSize buf 的大小，单位是字节
/// @param src [in] 源 Unicode 字符
/// @return 失败返回 -1，成功返回转换后 UTF-8 字符所占的字节数。
///         如果缓冲区过小（bufSize 指示），则返回需要的字节数。
int CEncoding::WCharToUTF8(char *buf, int bufSize, const wchar_t src)
{
	int bytesCount = 0;

	wchar_t firstByte;	// 从 Unicode 中取出二进制位作为 UTF-8 第一字节时的掩码
	char utfFirstByte;	// 为 UTF-8 第一字节加前导的若干个 1 要用的掩码

	wchar_t wTmp;
	char tmp;
	
	if (src == 0)
	{
		return -1;
	}
	
	if (src <= 0x7f)	// 01111111, ASCII
	{
		bytesCount = 1;
		firstByte = 0x7f;			// 0111 1111
		utfFirstByte = (BYTE)0x00;	// 0000 0000
	}
	else if (src <= 0x7ff)	// 1000 0000 - 0111 1111 1111，有效位数 11 位
	{
		bytesCount = 2;
		firstByte = 0x1f;			// 0001 1111，除去后一字节的 6 位，还剩 5 位
		utfFirstByte = (BYTE)0xc0;	// 1100 0000
	}
	else if (src <= 0xffff)	// 1000 0000 0000 - 1111 1111 1111 1111，16 位
	{
		bytesCount = 3;
		firstByte = 0x0f;			// 0000 1111，除去后两字节的 12 位，还剩 4 位
		utfFirstByte = (BYTE)0xe0;	// 1110 0000
	}
	// UCS-4 支持
	else if (src <= 0x001fffff)	// 计算方法下同，不再赘述
	{
		bytesCount = 4;
		firstByte = 0x07;
		utfFirstByte = (BYTE)0xf0;
	}
	else if (src <= 0x03ffffff)
	{
		bytesCount = 5;
		firstByte = 0x03;
		utfFirstByte = (BYTE)0xf8;
	}
	else if (src <= 0x7fffffff)
	{
		bytesCount = 6;
		firstByte = 0x01;
		utfFirstByte = (BYTE)0xfc;
	}
	// 提供的值不符合 Unicode 定义
	else
	{
		return -1;
	}

	if (bufSize >= bytesCount)
	{
		wTmp = src;
		for (int i = bytesCount - 1; i > 0; i--)	// 从低位往高位处理
		{
			tmp = (char)(wTmp & 0x3f);	// 取得低 6 位
			buf[i] = tmp | 0x80;	// 将最高 2 位变为 10
			wTmp >>= 6;
		}

		// 后面若干字节都处理完了，现在处理第一个字节
		tmp = (char)(wTmp & firstByte);	// 取出源字符中的剩余若干位
		buf[0] = (tmp | utfFirstByte);	// 高位或上若干个 1
	}

	return bytesCount;
}

/// @brief 字符转换为 UTF-8 字符
/// @param buf [out] UTF-8 字符串缓冲区
/// @param bufSize buf 的大小，单位是字节
/// @param src [in] 源 Unicode 字符串
/// @return 返回转换后 UTF-8 字符串所占的字节数。如果缓冲区过小（bufSize 指示），
///         那么仅转换到前 bufSize -1 个字节，第 bufSize 字节填零，返回 bufSize。
///         可以用根据返回值是否小于原来提供的 bufSize 来判断缓冲区是否足够大。
int CEncoding::WCharStringToUTF8(char *buf, int bufSize, wchar_t *src)
{
	int i = 0;
	while (*src != 0)
	{
		if (i >= bufSize)
		{
			buf[i - 1] = '\0';
			return i;
		}

		i += CEncoding::WCharToUTF8(buf + i, bufSize - i, *src++);
	}

	buf[i] = '\0';

	return i;
}


////////////////////////////////////////////////////////////////////////////////

[cnStreamlet]

上面第一个函数是 Unicode 字符转 UTF-8 字符的，第二个函数是 Unicode 字符串转 UTF-8 字符串的
在程序中用 L'a'、L"12313" 就能得到 Unicode 的

之后对于 UTF-8 字符串中每一个字节，都用 16 进制输出，前面加上 % 就好了

[大宝]

终于搞定了 不容易 楼上说的应该也可以实现 ，看下我的代码！




#include <string>
#include <stdio.h>
#include "windows.h"
// 把UTF-8转换成Unicode
void UTF_8ToUnicode(WCHAR* pOut,char *pText)
{
char* uchar = (char *)pOut;

uchar[1] = ((pText[0] & 0x0F) << 4) + ((pText[1] >> 2) & 0x0F);
uchar[0] = ((pText[1] & 0x03) << 6) + (pText[2] & 0x3F);

return;
}
// Unicode 转换成UTF-8
void UnicodeToUTF_8(char* pOut,WCHAR* pText)
{
// 注意 WCHAR高低字的顺序,低字节在前，高字节在后
char* pchar = (char *)pText;

pOut[0] = (0xE0 | ((pchar[1] & 0xF0) >> 4));
pOut[1] = (0x80 | ((pchar[1] & 0x0F) << 2)) + ((pchar[0] & 0xC0) >> 6);
pOut[2] = (0x80 | (pchar[0] & 0x3F));

return;
}

// 把Unicode 转换成 GB2312
void UnicodeToGB2312(char* pOut,unsigned short uData)
{
WideCharToMultiByte(CP_ACP,NULL,&uData,1,pOut,sizeof(WCHAR),NULL,NULL);
return;
}

// GB2312 转换成　Unicode
void Gb2312ToUnicode(WCHAR* pOut,char *gbBuffer)
{
::MultiByteToWideChar(CP_ACP,MB_PRECOMPOSED,gbBuffer,2,pOut,1);
return;
}

//GB2312 转为 UTF-8
void GB2312ToUTF_8(CString& pOut,char *pText, int pLen)
{
char buf[1024];
char* rst = new char[pLen + (pLen >> 2) + 2];

memset(buf,0,1024);
memset(rst,0,pLen + (pLen >> 2) + 2);

int i = 0;
int j = 0;
while(i < pLen)
{
//如果是英文直接复制就可以
if( *(pText + i) >= 0)
{
rst[j++] = pText[i++];
}
else
{
WCHAR pbuffer;
Gb2312ToUnicode(&pbuffer,pText+i);

UnicodeToUTF_8(buf,&pbuffer);

unsigned short int tmp = 0;
tmp = rst[j] = buf[0];
tmp = rst[j+1] = buf[1];
tmp = rst[j+2] = buf[2];


j += 3;
i += 2;
}
}
strcpy(&rst[j],"\0");

//返回结果
pOut = rst;
delete []rst;

return;
}

//UTF-8 转为 GB2312
void UTF_8ToGB2312(CString &pOut, char *pText, int pLen)
{
char * newBuf = new char[pLen];
char Ctemp[4];
memset(Ctemp,0,4);

int i =0;
int j = 0;

while(i < pLen)
{
if(pText[i] > 0)
{
newBuf[j++] = pText[i++];
}
else
{
WCHAR Wtemp;
UTF_8ToUnicode(&Wtemp,pText + i);

UnicodeToGB2312(Ctemp,Wtemp);

newBuf[j] = Ctemp[0];
newBuf[j + 1] = Ctemp[1];

i += 3;
j += 2;
}
}
strcpy(&newBuf[j],"\0");

pOut = newBuf;
delete []newBuf;

return;
}


CString UTF8_Encode(LPTSTR strUnicode)
{
long TLen ;
CString UTF8_EncodeLong ;

TLen = CString(strUnicode).GetLength() ;

if(TLen == 0)
{
return CString(strUnicode);
}

long lngBufferSize ;
long lngResult ;

//Set buffer for longest possible string.
lngBufferSize = TLen * 3 + 1 ;
char *bytUtf8 = new char[lngBufferSize] ;

//Translate using code page 65001(UTF-8).

lngResult = WideCharToMultiByte(CP_UTF8, 0, (unsigned short*)strUnicode, TLen, bytUtf8, lngBufferSize, NULL, 0) ;

bytUtf8[lngResult] = NULL ;

return CString(bytUtf8) ;
}

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



CString URLEncode(CString sIn)
{
CString sOut;
const int nLen = sIn.GetLength() + 1;
register LPBYTE pOutTmp = NULL;
LPBYTE pOutBuf = NULL;
register LPBYTE pInTmp = NULL;
LPBYTE pInBuf =(LPBYTE)sIn.GetBuffer(nLen);
BYTE b = 0;
//alloc out buffer


pOutBuf = (LPBYTE)sOut.GetBuffer(nLen*3 - 2);//new BYTE [nLen * 3];
if(pOutBuf)
{
pInTmp = pInBuf;
pOutTmp = pOutBuf;
// do encoding


while (*pInTmp)
{
if(isalnum(*pInTmp))
*pOutTmp++ = *pInTmp;
else
if(isspace(*pInTmp))
*pOutTmp++ = '+';
else
// if(*pInTmp<=127)
// *pOutTmp++ = *pInTmp;
// else
{
*pOutTmp++ = '%';

*pOutTmp++ = toHex(*pInTmp>>4);

*pOutTmp++ = toHex(*pInTmp%16);
}

pInTmp++;

}

*pOutTmp = '\0';

//sOut=pOutBuf;

//delete [] pOutBuf;

sOut.ReleaseBuffer();

}

sIn.ReleaseBuffer();

return sOut;

}
使用///////////////////////////////////

CString memname=“汉字";
GB2312ToUTF_8(memname,mem_name,TCBUFSIZE);
URLEncode(memname)便是所要的结果"“%E6%B1%89%E5%AD%97"了。

[aoxueqilin]

toHex 是什么函数啊？在这里好像缺少这个函数的定义。

[aoxueqilin]

toHex 是什么函数啊？在这里好像缺少这个函数的定义。

[大宝]

[Quote=引用 6 楼 aoxueqilin 的回复:]
toHex 是什么函数啊？在这里好像缺少这个函数的定义。
[/Quote]

inline BYTE toHex(const BYTE &x)
{
return x > 9 ? x + 55: x + 48;
}

不好意思 没贴全！
更正下使用

使用///////////////////////////////////
char *mem_name = "汉字";
CString memname=“";
GB2312ToUTF_8(memname,mem_name,TCBUFSIZE);
URLEncode(memname)便是所要的结果"“%E6%B1%89%E5%AD%97"了。

[xieyingfeichina]

非常好的示例，研究很深入啊，高手，太感谢了

[silver307]

非常好的示例，研究很深入啊

[windseeker2008]

好,学习了

[liaochuan1234]

[Quote=引用 2 楼 akirya 的回复:]
这是转utf-8的,剩下的都容易
C/C++ code
//LPCSTR pASCIIBuf 要转换的ascii字符串指针
//LPSTR pUtf8Buf=NULL 转换成Utf8编码的字符串指针
//返回值 如果pUtf8Buf为0 则返回需要pUtf8Buf长度
int AToUtf8(LPCSTR pASCIIBuf,LPSTR pUtf8Buf=NULL)
{
if (NU……
[/Quote]

我用了可以

[bingqiyang1]

我对C++入门 请问一下 我那这个在VC6上运行总是说 cstring没有定义啊 请教一下为什吗