[字符编码]windwos下使用libiconv转换编码格式(二)
2023-12-24 03:19:00
在http://t.csdnimg.cn/PLUuz笔记中实现了常用编码格式转换的功能,但这还是一个demo。因为代码中向libiconv库函数传递的字符串是存放在堆空间中的(我也是从网上找例子测试,是否一定要开辟堆空间存放还有待考证),如果一次性转换的字节数很巨大的话,就会导致内存空间不足,进而引发功能异常。
所以,对于需要大量转换的数据,应该采取分段多次转换的方法。
经过观察,有的编码格式每个字符对应的字节是固定的,这样分段是容易的。比如GB2312格式,一个字符占两个字节,那么每次处理的字节数就是2的整倍数即可。
除了上面说的字节数固定的情况,还有向utf8这种字符字节数会变化的情况,这种转换则需要复杂些的处理。
#include <iostream>
#include <fstream>
#include <string>
#include <bitset>
#include "iconv.h" //包函libiconv库头文件
//导入libiconv库
#pragma comment(lib,"libiconv.lib")
bool readfile(const std::string& _filepath, std::string& _filecontent)
{
bool res = false;
std::ifstream file(_filepath);
if (!file.is_open()) { // 检查文件是否成功打开
std::cerr << "无法打开文件" << _filepath << std::endl;
}
else {
std::string line;
while (std::getline(file, line)) { // 逐行读取文件内容
_filecontent += line;
}
res = true;
}
file.close(); // 关闭文件
return res;
}
//使用 libiconv 进行
int TransCore(const char* _pdesc, const char* _psrc, const char* _pstrin, size_t ilen, char* _pstrout, size_t* _polen)
{
const char** ppin = &_pstrin;
char** ppout = &_pstrout;
iconv_t cd = iconv_open(_pdesc, _psrc);
if (cd == (iconv_t)-1) {
return -1;
}
memset(_pstrout, 0, *_polen);
int res = iconv(cd, ppin, &ilen, ppout, _polen);
std::cout <<__FUNCTION__<< " exec res = " << res << std::endl;
iconv_close(cd);
return res;
}
/*
desc 目标编码字符串
src 源编码字符串
_strin 转换前内容
_strout 转换后内容
*/
bool TransEncodeFormat(const char* _desc, const char* _src, const std::string& _strin, std::string& _strout) {
bool res = false;
if (_desc == nullptr || _src == nullptr || _strin.empty()) {
std::cout << "入参不符合要求" << std::endl;
return res;
}
size_t inlen = _strin.length();
#ifdef LOG
std::cout << "需要转换的内容 : [" << _strin << "]" << std::endl;
std::cout << "需要转换的字节数 : [" << inlen << "]" << std::endl;
#endif
size_t outlen = inlen * 10;
char* tempout = new char[outlen];
if (TransCore(_desc, _src, _strin.c_str(), inlen, tempout, &outlen) == 0 && tempout != nullptr) {
res = true;
}
#ifdef LOG
std::cout << "转换后的内容 : [" << tempout << "]" << std::endl;
#endif
std::string temp(tempout);
_strout = tempout;
delete[] tempout;
tempout = nullptr;
return res;
}
/*
描述 : 在_strin字符串是正确的utf8格式的情况下,分段将utf8字符转换成其他编码格式内容
_desc : 目标编码格式
_strin : 被转换的uft8字符串内容
_strout: 转换后字符串内容
_segnum: 一段字符串字节个数,默认是100字节
返回值 : true 转换成功 false转换失败
*/
bool SegmentTransUtf8ToOther(const char* _desc, const std::string& _strin, std::string& _strout, const int& _segnum = 100) {
const char* _src = "UTF-8";
size_t _transcounter = 0;
if (_strin.size() == 0) {//没有内容就返回
_strout.clear();
return true;
}
if (_segnum <= 0) {
return false;
}
if (_strin.size() <= _segnum) {//字符串小于等于_segnum
std::cout << "第" << ++_transcounter << "段转换" <<",转换字节数"<< _strin.size() << std::endl;
if (TransEncodeFormat(_desc, _src, _strin, _strout) == false) {
return false;
}
}
else {//字符串大于_segnum
int leftpos = 0; //左边界位置
int endpos = _strin.size() - 1; // 结束位置
while (leftpos <= endpos) {
int rightpos = 0;//右边界位置
int remainingbytes = endpos - leftpos + 1; //左边界到结束剩余的字节数
std::string outemp;
if (remainingbytes <= _segnum) {//剩余字节数小于_segnum
rightpos = endpos;
std::string temp = _strin.substr(leftpos, remainingbytes);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
} else {
rightpos = leftpos + (_segnum - 1);
const char lastbyte = _strin[rightpos];//通过要截取的最后一个字节 判断截取字符串是否完整
if (((char)(lastbyte | 0x7f) == (char)0x7f) && ((char)(lastbyte & 0x00) == (char)0x00)) {//最后一个字节是 0XXX XXXX
std::string temp = _strin.substr(leftpos, rightpos - leftpos + 1);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
} else if (((char)(lastbyte | 0xbf) == (char)0xbf) && ((char)(lastbyte & 0x80) == (char)0x80)) {//最后一个字节是 10XX XXXX
while (1) {
rightpos = rightpos + 1;
if (rightpos > endpos) {//判断rightpos是否超出边界
return false;
}
const char lastbytetemp = _strin[rightpos];
if (((char)(lastbytetemp | 0xbf) == (char)0xbf) && ((char)(lastbytetemp & 0x80) == (char)0x80)) {
//最后一个字节是 10XX XXXX
}else {
//最后一个字节不是 10XX XXXX 那么就少截取一个并跳出while循环
rightpos = rightpos - 1;
break;
}
}//while
if (rightpos < 0 || rightpos < leftpos) {//rightpos 上面进行了减法所以判断一下
return false;
}
std::string temp = _strin.substr(leftpos, rightpos - leftpos + 1);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
} else if (((char)(lastbyte | 0xdf) == (char)0xdf) && ((char)(lastbyte & 0xc0) == (char)0xc0)) {//最后一个字节是 110X XXXX
rightpos = rightpos + 1;
if (rightpos > endpos) {//判断rightpos是否超出边界
return false;
}
std::string temp = _strin.substr(leftpos, rightpos - leftpos + 1);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
} else if (((char)(lastbyte | 0xef) == (char)0xef) && ((char)(lastbyte & 0xe0) == (char)0xe0)) {//最后一个字节是 1110 XXXX
rightpos = rightpos + 2;
if (rightpos > endpos) {//判断rightpos是否超出边界
return false;
}
std::string temp = _strin.substr(leftpos, rightpos - leftpos + 1);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
} else if (((char)(lastbyte | 0xf7) == (char)0xf7) && ((char)(lastbyte & 0xf0) == (char)0xf0)) {//最后一个字节是 1111 0XXX
rightpos = rightpos + 3;
if (rightpos > endpos) {//判断rightpos是否超出边界
return false;
}
std::string temp = _strin.substr(leftpos, rightpos - leftpos + 1);
std::cout << "第" << ++_transcounter << "段转换" << ",转换字节数" << temp.size() << std::endl;
if (TransEncodeFormat(_desc, _src, temp, outemp) == false) {
return false;
}
_strout += outemp;
}
}
leftpos = rightpos + 1;
}
}
std::cout << __FUNCTION__ << " exec success" << std::endl;
return true;
}
int main(int argc, char* argv[])
{
{
std::string filecontent;
std::string transcontent;
std::string gbkfilepath = "./test-file/utf-8.txt";
readfile(gbkfilepath, filecontent);
std::cout << " ./test-file/utf-8.txt 内容字节数 = " << filecontent.size() << std::endl;
bool res = SegmentTransUtf8ToOther("GBK", filecontent, transcontent, 1000);
std::cout << " transcontent 内容字节数 = " << transcontent.size() << std::endl;
std::cout << " transcontent GBK 内容[" << transcontent <<"]" << std::endl;
std::cout << "====================================================" << std::endl;
}
{
std::string filecontent;
std::string transcontent;
std::string gbkfilepath = "./test-file/utf-8.txt";
readfile(gbkfilepath, filecontent);
std::cout << " ./test-file/utf-8.txt 内容字节数 = " << filecontent.size() << std::endl;
bool res = SegmentTransUtf8ToOther("GB18030", filecontent, transcontent, 1000);
std::cout << " transcontent 内容字节数 = " << transcontent.size() << std::endl;
std::cout << " transcontent GB18030 内容[" << transcontent << "]" << std::endl;
std::cout << "====================================================" << std::endl;
}
{
std::string filecontent;
std::string transcontent;
std::string gbkfilepath = "./test-file/utf-8.txt";
readfile(gbkfilepath, filecontent);
std::cout << " ./test-file/utf-8.txt 内容字节数 = " << filecontent.size() << std::endl;
bool res = SegmentTransUtf8ToOther("GB2312", filecontent, transcontent, 1000);
std::cout << " transcontent 内容字节数 = " << transcontent.size() << std::endl;
std::cout << " transcontent GB2312 内容[" << transcontent << "]" << std::endl;
std::cout << "====================================================" << std::endl;
}
return 0;
}
文章来源:https://blog.csdn.net/weixin_42148156/article/details/135167570
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!