[C語言]Unicode編碼（二）－中文字符刷選

Unicode編碼（二）－中文字符刷選

1，UTF－8編碼中三字節中文字符的刷選方法如下：

int
chinese_filter(unsigned char one, unsigned char two )
{
    int flag = -1;
    if ( one >= 0x4E && one < 0x9F )
    {
        flag = 1;
    }
    else if ( one == 0x9F && two <= 0xCB )
    {
        flag = 1;
    }
    else if ( one >= 0x34 && one < 0x4D )
    {
        flag = 1;
    }
    else if ( one == 0x4D && two <= 0xB5 )
    {
        flag = 1;
    }
    else if ( one == 0x2F && two <= 0xD5 )
    {
        flag = 1;
    }
    else if ( one == 0x2E && two >= 0x80 && two <= 0xF3 )
    {
        flag = 1
    }
    else if ( one >= 0xF9 && one < 0xFA )
    {
        flag = 1;
    }
    else if ( one == 0xFA && two <= 0xD9 )
    {
        flag = 1;
    }
    else if ( one == 0xE8 && two >= 0x15 && two <= 0x6F )
    {
        flag = 1;
    }
    else if ( one >= 0xE4 && one < 0xE5 )
    {
        flag = 1;
    }
    else if ( one == 0xE5 && two <= 0xE8 )
    {
        flag = 1;
    }
    else if ( one == 0xE6 && two <= 0xCF )
    {
        flag = 1;
    }
    else if ( one == 0x31 && two >= 0xC0 && two <= 0xE3 )
    {
        flag = 1;
    }
    else if ( one == 0x2F && two >= 0xF0 && two <= 0xFB )
    {
        flag = 1;
    }
    else if ( one == 0x31 && two >= 0x05 && two <= 0x20 )
    {
        flag = 1;
    }
    else if ( one == 0x31 && two >= 0xA0 && two <= 0xBA )
    {
        flag = 1;
    }

    return flag;
}

2，UTF－8編碼中四字節中文字符刷選方法如下：

int
chinese_filter2( unsigned char one, unsigned char two, unsigned char thr )
{
    int flag = -1;
    if ( one == 0x02 && two < 0xA6 )
    {
        /*20000-2A6D6*/
        flag = 1;
    }
    else if ( one == 0x02 && two == 0xA6 && thr <= 0xD6 )
    {
        flag = 1;
    }
    else if ( one == 0x02 && two >= 0xA7 && two < 0xB7 )
    {
        /* 2A700-2B734 */
        flag = 1;
    }
    else if ( one == 0x02 && two == 0xB7 && thr <= 0x34 )
    {
        flag = 1;
    }
    else if ( one == 0x02 && two >= 0xB7 && thr >= 0x40 && two < 0xB8 )
    {
        /* 2B740-2B81D */
        flag = 1;
    }
    else if ( one == 0x02 && two == 0xB8 && thr <= 0x1D )
    {
        flag = 1;
    }
    else if ( one == 0x02 && two >= 0xF8 && two < 0xFA )
    {
        /* 2F800-2FA1D */
        flag = 1;
    }
    else if ( one == 0x02 && two == 0xFA && thr <= 0x1D )
    {
        flag = 1;
    }

    return flag;
}

3，UTF－8字符轉Unicode編碼：

1）src為輸入的UTF－8字符串

2）unicode為UTF－8字符串轉換后輸出的unicode編碼串

3）chs為字符串中刷選出來的中文字符

int
utf_to_unicode( unsigned char *src, unsigned char *unicode, unsigned char *chs )
{
    int size = 0;
    int ch_len = 0;

    unsigned char one = 0x00;
    unsigned char two = 0x00;
    unsigned char thr = 0x00;
    unsigned char fou = 0x00;
    unsigned char fiv = 0x00;
    unsigned char six = 0x00;

    /* one使高位，FFFE方式存儲，所以第一個取出來的one是高位 */
    while ( *src )
    {
        if ( *src <= 0x80 )
        {
            one = *( src + 0 );
            *( unicode + size++ ) = one;

            src += 1;
        }
        else if ( *src >= 0xC0 && *src < 0xE0 )
        {
            one = *( src + 0 );
            two = *( src + 1 );
            *( unicode + size++ ) = one & 0x03;
            *( unicode + size++ ) = ( two & 0x3F ) | ( ( one & 0x03 ) << 6 );

            src += 2;
        }
        else if ( *src >= 0xE0 && *src < 0xF0 )
        {
            one = *( src + 0 );
            two = *( src + 1 );
            thr = *( src + 2 );

            *( unicode + size++ ) = ( ( two & 0x3C ) >> 2 ) | ( ( one & 0x0F ) << 4 );
            *( unicode + size++ ) = ( thr & 0x3F ) | ( ( two & 0x03 ) << 6 );

            int val = chinese_filter( *( unicode + size - 2 ), *( unicode + size - 1 ) );
            if ( val == 1 )
            {
                *( chs + ch_len++ ) = *( src + 0 );
                *( chs + ch_len++ ) = *( src + 1 );
                *( chs + ch_len++ ) = *( src + 2 );
            }

            src += 3;
        }
        else if ( *src >= 0xF0 && *src < 0xF8 )
        {
            one = *( src + 0 );
            two = *( src + 1 );
            thr = *( src + 2 );
            fou = *( src + 3 );

            *( unicode + size++ ) = ( ( two & 0x30 ) >> 4 ) | ( ( one & 0x07 ) << 2 );
            *( unicode + size++ ) = ( ( thr & 0x3C ) >> 2 ) | ( ( two & 0x0F ) << 4 );
            *( unicode + size++ ) = ( fou & 0x3F ) | ( ( thr & 0x03 ) << 6 );

            inr val = chinese_filter2( *( unicode + size - 3 ), *( unicode + size - 2 ), *( unicode + size - 1 ) );
            if ( val == 1 )
            {
                *( chs + ch_len++ ) = *( src + 0 );
                *( chs + ch_len++ ) = *( src + 1 );
                *( chs + ch_len++ ) = *( src + 2 );
                *( chs + ch_len++ ) = *( src + 3 );
            }

            src += 4;
        }
        else if ( *src >= 0xF8 && *src < 0xFC )
        {
            one = *( src + 0 );
            two = *( src + 1 );
            thr = *( src + 2 );
            fou = *( src + 3 );
            fiv = *( src + 4 );

            *( unicode + size++ ) = one & 0x03;
            *( unicode + size++ ) = ( ( thr & 0x30 ) >> 4 ) | ( ( two & 0x3F ) << 2 );
            *( unicode + size++ ) = ( ( fou & 0x3C ) >> 2 ) | ( ( thr & 0x0F ) << 4 );
            *( unicode + size++ ) = ( fiv & 0x3F ) | ( ( fou & 0x03 ) << 6 );

            src += 5;
        }
        else if ( *src >= 0xFC )
        {
            one = *( src + 0 );
            two = *( src + 1 );
            thr = *( src + 2 );
            fou = *( src + 3 );
            fiv = *( src + 4 );
            six = *( src + 5 );

            *( unicode + size++ ) = ( two & 0x3F ) | ( ( one & 0x01 ) << 6 );
            *( unicode + size++ ) = ( ( fou & 0x30 ) >> 4 ) | ( ( thr & 0x3F ) << 2 );
            *( unicode + size++ ) = ( ( fiv & 0x3C ) >> 2 ) | ( ( fou & 0x0F ) << 4 );
            *( unicode + size++ ) = ( six & 0x3F ) | ( ( fiv & 0x03 ) << 6 );

            src += 6;
        }
        else
        {
            printf( "Error: unknoe scope\n" );
            return -1;
        }
    }
    
    *( unicode + size ) = '\0';

    return size;
}

4，主函數測試程序和Unicode編碼打印程序

void
unicode_print( unsigned char *unicode, int size )
{
    int index = 0;
    for ( ; index < size; index += 1 )
    {
        printf( "%02X", *( unicode + index ) );
    }

    printf("\n");
}

int
main( int argc, char *argv[] )
{
    unsigned char ch4[] = "一A嚴嚴·";

    int size = 0;
    int len  = 0;
    len = strlen( ch4 );
    
    unsigned char unicode[len + 1];
    memset( unicode, 0x00, len + 1 );

    unsigned char china[len + 1];
    memset( china, 0x00, len + 1 );
    
    size = utf_to_unicode( ch4, len + 1, unicode, china );
    unicode_print( unicode, size );

    printf( "Chinese = %s\n", china );

    return 0;
}

本文參考文獻：http://www.qqxiuzi.cn/zh/hanzi-unicode-bianma.php?zfj=kzb