请教 ANSI、UNICODE、UTF-8 的问题

[fxy_2002]

1、UNICODE 与 UTF-8 是什么关系？如何互相转换？
2、如何用VB将 ANSI 字符变成UTF-8编码？
3、如何用VB建立 UTF-8 编码格式的文件？

我用 open fileName for binary as #n 打开文件，
再用 put #n,,string 写文件，产生的文件总是 ANSI 编码的，如果能写成 UTF-8编码？

[cslf]

没具体做过这方面的资料。
你先找点UTF-8的编码资料。

[cslf]

看看这个
http://www.linuxforum.net/books/UTF-8-Unicode.html

[ryuginka]

ding

[nik_Amis]

up

[fxy_2002]

感谢 cslf(cs) ，看了你给的地址，长了不少见识。
不过还是解决不了我的问题：VB中如何将 UTF-8 与其它编码相互转换？
strConv 可以在 ANSI 与 UNICODE 中互转，但没厄 UTF-8 的选择参数。

[flc]

关注

[Rex_love_Burger]

关注。。

[cslf]

Unicode和UTF-8之间有个编码表：
UTF-8 有一下特性:

UCS 字符 U+0000 到 U+007F (ASCII) 被编码为字节 0x00 到 0x7F (ASCII 兼容). 这意味着只包含 7 位 ASCII 字符的文件在 ASCII 和 UTF-8 两种编码方式下是一样的.
所有 >U+007F 的 UCS 字符被编码为一个多个字节的串, 每个字节都有标记位集. 因此, ASCII 字节 (0x00-0x7F) 不可能作为任何其他字符的一部分.
表示非 ASCII 字符的多字节串的第一个字节总是在 0xC0 到 0xFD 的范围里, 并指出这个字符包含多少个字节. 多字节串的其余字节都在 0x80 到 0xBF 范围里. 这使得重新同步非常容易, 并使编码无国界, 且很少受丢失字节的影响.
可以编入所有可能的 231个 UCS 代码
UTF-8 编码字符理论上可以最多到 6 个字节长, 然而 16 位 BMP 字符最多只用到 3 字节长.
Bigendian UCS-4 字节串的排列顺序是预定的.
字节 0xFE 和 0xFF 在 UTF-8 编码中从未用到.
下列字节串用来表示一个字符. 用到哪个串取决于该字符在 Unicode 中的序号.

U-00000000 - U-0000007F: 0xxxxxxx
U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
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

xxx 的位置由字符编码数的二进制表示的位填入. 越靠右的 x 具有越少的特殊意义. 只用最短的那个足够表达一个字符编码数的多字节串. 注意在多字节串中, 第一个字节的开头"1"的数目就是整个串中字节的数目.

例如: Unicode 字符 U+00A9 = 1010 1001 (版权符号) 在 UTF-8 里的编码为:

11000010 10101001 = 0xC2 0xA9

而字符 U+2260 = 0010 0010 0110 0000 (不等于) 编码为:

11100010 10001001 10100000 = 0xE2 0x89 0xA0

这里“特性”说的比较清楚了，你自己编个函数就行了。

[kmzs]

UTF-8 是 UNICODE 实用化的实现方式，因为UNICODE会使占用太大空间。。。

[cslf]

看看这两个，希望对你有帮助。
http://www-900.ibm.com/developerWorks/cn/unicode/utfencodingforms/index.shtml
http://www.csdn.net/develop/Read_Article.asp?Id=26123

[fxy_2002]

楼上说得没错，不过字符到byte数组，又是一个转换问题。
这个转换VB有现成的函数吗？好象没有的，要用API

[ryuginka]

学习

[fxy_2002]

特别感谢 cslf(cs) ，研究中....

[zyl910]

VB的String数据类型是基于Unicode
但MicroSoft为了兼容传统编程习惯
文件读写、调用API时VB会自动进行ANSI<->Unicode转换

所以二进制文件读写的时候绝对不能用String
必须用Byte数组

[cslf]

'string to byte
bytes=strconv(str1,vbfromunicode)