c++ - 将字符转换为 UTF-8 背后的逻辑

Question

我有以下代码，代码中的注释说它将任何大于 7F 的字符转换为 UTF-8。我对这段代码有以下问题:

if((const unsigned char)c > 0x7F)
  {
    Buffer[0] = 0xC0 | ((unsigned char)c >> 6);
    Buffer[1] = 0x80 | ((unsigned char)c & 0x3F);
    return Buffer;
  }

1. 这段代码是如何工作的？
2. 我当前使用的 Windows 代码页是否对放置在 Buffer 中的字符有任何影响？

Answer 1

对于初学者来说，代码通常不起作用。经过 巧合的是，如果 char 中的编码(或 unsigned char) 是 ISO-8859-1，因为 ISO-8859-1 有相同的代码 点作为前 256 个 Unicode 代码点。但是 ISO-8859-1 有 很大程度上被 ISO-8859-15 取代，所以它可能不会 工作。 (例如，尝试使用 0xA4。欧元符号 ISO-8859-15。会给你一个完全不同的 字符。)

有两种正确的方法可以进行这种转换，这两种方法 取决于知道正在输入的字节的编码(这 意味着您可能需要多个版本的代码，具体取决于 关于编码)。最简单的就是有一个数组 256 个字符串，每个字符一个，并对其进行索引。其中 在这种情况下，您不需要 if。另一个是翻译 代码转换为 Unicode 代码点(32 位 UTF-32)，然后翻译 将其转换为 UTF-8(某些情况下可能需要两个以上的字节 characters: 欧元字符是 0x20AC: 0xE2, 0x82, 0xAC).

编辑:

有关 UTF-8 的详细介绍: http://www.cl.cam.ac.uk/~mgk25/unicode.html .标题是这么说的 适用于 Unix/Linux，但几乎没有系统 其中的具体信息(这些信息显然是 标记)。