DIY ―― unicode转gb2312

最近需要做一个unicode转gb2312的函数，上网搜索了一下，没有找到特别符合需求的资料。于是乎，只好自己DIY；以下为DIY的心得…

 

1.       创建gb2312编码表。这个不需要太多的只是，稍微了解一下gb2312的编码规则即可

GB2312将代码表分为94个区，对应第一字节（0xa1-0xfe）；每个区94个位（0xa1-0xfe），对应第二字节，两个字节的值分别为区号值和位号值加32（0x20），因此也称为区位码。01-09区为符号、数字区，16-87区为汉字区（0xb0-0xf7），10-15区、88-94区是有待进一步标准化的空白区。

2.       将gb2312编码转换成unicode编码，这一步也相当简单，有现成的系统函数可用。在Windows下用MultiByteToWideChar，在Linux下用iconv。

另外提一下，在Windows下一个unicode字符用16位整数表示，但是在linux下unicode是32位的。unicode16和unicode32的关系如何，这个我没有研究；但是凭直觉unicode32应当兼容unicode16，unicode16是unicode32的一个子集。

3.       创建unicode2gb2312的转换表。既然gb2312和unicode的编码表都有了，那么翻译过程就很简单了，就是一个查找/匹配的过程。既然是查找，当然要关注查找效率。虽然只是一个演示程序，也不能太过敷衍了事。（gb2312包含了7000多个字符。）

温习一下课本，里面介绍了很多查找的方法，由于我们始终关注的是查找效率，简单对比一下，平均查找效率最高的大约就是二分法了，时间复杂度为O(log₂n)。不过二分法要求数据的元素按照从小到大的顺序排序，怎么办呢？那就排一下序好了，还有现成的库函数，连自己手写个冒泡算法都可以省了。

整理一下思路，我们需要这样一个映射表，这个表由下面的结构组成：

struct uni2gb_entry {

    uint16_t unicode;

    uint16_t gbcode;

};

表的元素以unicode为关键字按照从小到大的顺序排列。查找的时候只要找到与unicode匹配的表项，返回gbcode就可以了。表的大小约为7K*4=28K。查找的效率很高，很实用。

4.       翻译。这就没什么好说的了，二分法查找，BINGO！！

 

文件:	unicode2gb2312.zip
大小:	13KB
下载:	下载