如何将Unicode代码点值（UTF16）转换为C字符数组。

Question

我有一个API，它接受UniCode数据作为C字符数组，并将其作为正确的UniCode短信发送。

现在我有四个代码点值，对应于一些本地字母表中的四个字符，我想通过将它们插入到C字符数组中来正确发送它们。

我尝试过

char test_data[] = {"\x00\x6B\x00\x6A\x00\x63\x00\x69"};

其中0x006B是一个码点，以此类推。

该API在内部调用。

int len = mbstowcs(NULL,test_data,0);

上述代码中的结果为0。似乎0x00被视为终止符。

我想正确地将上述代码点分配给C数组，以便它们在接收电话上转换为相应的UTF16字符（该电话支持字符集）。如果需要，我可以更改API。

平台是带有GLib的Linux。

- fkl

---

查看了许多相关的现有问题，但尚未找到确切的解决方案。 - fkl

API 需要哪种编码？你没有说明，而且说“将 Unicode 数据作为 C 字符数组”并不能告诉我们太多信息。你必须知道期望的编码，否则就无法知道如何排列位。 - unwind

Answer 1

UTF-16BE不是本地的执行（又称多字节）字符集，mbstowcs期望空结尾字符串，因此这不起作用。由于您正在使用Linux，该函数可能希望任何char[]序列为UTF-8。

我相信您可以在Linux中使用uniconv转换字符数据。我只使用过ICU4C项目。

您的代码将读取UTF-16BE数据，将其转换为常见形式（例如uint8_t），然后在调用API之前将其转换为本地的执行字符集（这将随后将其转换为本地的宽字符集）。

注意：如果执行字符集不包含相关的代码点，则此过程可能会有损失，但是您别无选择，因为这是API所期望的。但正如我上面指出的那样，现代Linux系统应默认使用UTF-8。我在这里写了一些关于在C中转码代码点的内容。

- McDowell

---

提问者正在使用GLib，它具有相当不错的基本Unicode功能选择：http://developer.gnome.org/glib/stable/glib-Unicode-Manipulation.html，包括转码。 - ecatmur

谢谢，我会同时探索它们。 - fkl

@ecatmur - 感谢您指出这一点；无论使用哪种API，该过程都将是相同的。 - McDowell

我该如何执行这一步骤？“在调用API之前将其转码为本地执行字符集”... 在此之前，我使用了g_utf16_to_utf8()并获得了一个utf8字符串？谢谢。 - fkl

好的，实际上我不需要这样做。只需使用g_utf16_to_utf8()和UTF16-LE即可解决我的问题。感谢@McDowell和ecatmur。 - fkl

Answer 2

我认为使用wchar_t可以解决你的问题。 如果我错了或者漏掉了什么，请纠正我。

- Manik Sidana

---

wchar_t只是宽字符数据类型。我尝试将该数组分配给它。但问题在于API不期望wchar_t，而是采用每个字节一个字符的普通c char数组，并在之后进行转换。 - fkl

Answer 3

我认为你应该创建一个字符和整数的联合体。
typedef union wchars{int int_arr[200]; char char_arr[800]};
将数据使用memcpy函数复制到这个联合体中，以便完成你的任务。

- Manik Sidana