현재 위치

홈 ›› Forums ›› 공부 ›› 프로그래밍 QnA

C언어 utf-8 -> unicode 변환 문제

ozon1000의 이미지
글쓴이: ozon1000 / 작성시간: 수, 2017/02/15 - 9:36오후

안녕하세요
한글과 관련된 개발을 하는 도중 큰 산이 하나 생겨서 이렇게 질문드립니다.
개발은 C로 하고 있고 우분투 16.04 그리고 UTF-8 환경에서 하고있습니다.

일전에 한글 초성, 중성, 종성 분리에 관련해서 kldp에 글을 올렸고 많은 도움을 받을 수 있었습니다. 감사드립니다.
utf-8을 유니코드로 변환해서 분리하는 코드였고 잘 사용하고 있습니다.

또 궁금한 것이 있어 이렇게 글을 올리게 되었습니다.
만약에 setlocale함수와 mbtowc 함수를 사용할 수 없다면 utf-8을 어떻게 unicode로 변환할수 있는지 궁금해 졌습니다. 많은 관심 부탁드립니다.

읽어주셔서 감사합니다.

Forums: 
프로그래밍 QnA
graze1004의 이미지

글쓴이: graze1004 / 작성시간: 수, 2017/02/15 - 9:42오후 

CString AltUTF8To16(LPCSTR lpMultiByteStr)
{
	if (!lpMultiByteStr) {
		return L"";
	}
 
	CString str;
	const unsigned char* Z = (const unsigned char*)lpMultiByteStr;
	while (*Z) { //0 is end
		//1 byte
		if (*Z < 0x80) {
			str += (wchar_t)(*Z);
			Z++;
		} else if ((*Z & 0xE0) == 0xC0) {
		//2 bytes
			if ((*(Z + 1) & 0xC0) == 0x80) {
				str += (wchar_t)((((wchar_t)(*Z & 0x1F)) << 6) | (*(Z + 1) & 0x3F));
				Z+=2;
			} else {
				return L""; //Bad character
			}
		} else if ((*Z & 0xF0) == 0xE0) {
		//3 bytes
			if ((*(Z + 1) & 0xC0) == 0x80 && (*(Z + 2) & 0xC0) == 0x80) {
				str += (wchar_t)((((wchar_t)(*Z & 0x0F)) << 12) | ((*(Z + 1) & 0x3F) << 6) | (*(Z + 2) & 0x3F));
				Z+=3;
			} else {
				return L""; //Bad character
			}
		} else if ((*Z & 0xF8) == 0xF0) {
		//4 bytes
			if ((*(Z + 1) & 0xC0) == 0x80 && (*(Z + 2) & 0xC0) == 0x80 && (*(Z + 3) & 0xC0) == 0x80) {
				str += (wchar_t)((((wchar_t)(*Z & 0x0F)) << 18) | ((*(Z + 1) & 0x3F) << 12) || ((*(Z + 2) & 0x3F) << 6) | (*(Z + 3) & 0x3F));
				Z+=4;
			} else {
				return L""; //Bad character
			}
		} else {
			return L""; //Bad character
		}
	}
 
	return str;
}
ozon1000의 이미지

글쓴이: ozon1000 / 작성시간: 수, 2017/02/15 - 11:43오후

실례지만... 뭐 하는 코드인가요?

이상용의 이미지

글쓴이: 이상용 / 작성시간: 목, 2017/02/16 - 1:50오전

지나가다, 글 남겨요..
utf-8 문자열을 wchar_t으로 바꾸는 루틴입니다.. wchar_t은 2바이트 혹은 4바이트 크기를
갖고요, unicode 글자 크기라고 보시면 됩니다 (UCS-2 아니면 UCS-4를 나타냅니다..)
글자 코드값이 0x80보다 작으면, 1바이트로 이루어지는 글자로서 그대로 wchar_t으로
변형해서 출력하고, 글자 코드값이 0x80보다 크면 2바이트, 혹은 3바이트, 4바이트로
이뤄 졌는 지 검사해서 각각에 맞게 바이트들을 합쳐서 wchar_t 으로 바꾸고 있습니다.

이미 아시는 내용일 지 모르겠지만 UCS-2나 UCS-4는 다음 사이트를
http://egloos.zum.com/sweeper/v/165361
참조하시면 좋을 것 같네요..

둘러보기