GB18030与Unicode字符编码的映射表

请问要把GB18030转成UNICODE有简单的算法
还要一定要用查表法？
谢谢

--------------------------------------------------------------------------------

ditto2002-07-01, 07:26


------------------------------------------
Microsoft GB18030 支持工具包 
自述文件 
2001 年 8 月 
------------------------------------------
(c) 版权所有 Microsoft Corporation 2001。保留所有权利。 


---------------
如何使用本文档

非BMP字符可以用简单公式与GB18030码互转。

下面给出Unicode到GB18030的转换例程，供大家参考。
GB18030转换到Unicode也一样简单，雷同处理。

更多分析过程可以参考前不久发的“GB18030的优缺点”一贴。


// 为了表达更清晰，下面把BMP字符和非BMP字符分开为两个例程，其实也可以连在一起。
//（1）Unicode BMP转GB18030的算法实例：

1. static unsigned int TT[15536]=
   
2. { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0xA, 0xB, 0xC, 0xD, 0xE, 0xF
   
3. ,0x10,0x11,0x12,0x13,0x14,0x15,0x16,0x17,0x18,0x19,0x1A,0x1B,0x1C,0x1D,0x1E,0x1F
   
4. ,0x20,0x21,0x22,0x23,0xA1E8,0x24,0x25,0xA1EC,0xA1A7,0x26,0x27,
   
5. //...此处转换表可根据上贴附件自行生成，这里只是示例，故略去...
   
6. };
   
7. 
   
8. int u2gbe1(unsigned long uc) //输入unicode BMP字符码值(U+0000..U+FFFF)
   
9. {
   
10.    printf("U+%lX ", uc);
    
11.    if (uc<0x80) //输出ASCII单字节字符
    
12.    {
    
13.       printf("G+%4lX %c\n", cc, cc); return 0; 
    
14.    }
    
15. 
    
16.    unsigned long cc=TT[uc-0x80];
    
17.    if (cc>0x8000) //输出GBK汉字
    
18.    {
    
19.       printf("G+%4lX %c%c\n", cc, (char)(cc>>8), (char)cc); return 0; 
    
20.    }
    
21. 
    
22.    if (uc>0xD541) cc+=32768;
    
23. 
    
24.    int c4=cc%10;
    
25.    int c3=cc/10;
    
26.    int c2=c3/126; c3%=126;
    
27.    int c1=c2/10;  c2%=10;
    
28. 
    
29.    //输出扩展1区
    
30.    printf("G+%02X%02X%02X%02X ", 0x81+c1, 0x30+c2, 0x81+c3, 0x30+c4);
    
31.    printf("%c%c%c%c\n", 0x81+c1, 0x30+c2, 0x81+c3, 0x30+c4);
    
32.    return 0;
    
33. }

复制代码

//（2）Unicode 扩展平面 转GB18030的算法实例：

1. void u2gbe2(unsigned long uc) //输入Unicode 非BMP字符码值（U+10000..U+10FFFF)
   
2. {
   
3.    printf("U+%lX ", uc);
   
4.    uc-=0x10000;
   
5.    int c4=uc%10;
   
6.    int c3=uc/10;
   
7.    int c2=c3/126; c3%=126;
   
8.    int c1=c2/10;  c2%=10;
   
9. 
   
10.    printf("G+%02X%02X%02X%02X ", 0x90+c1, 0x30+c2, 0x81+c3, 0x30+c4);
    
11.    printf("%c%c%c%c\n", 0x90+c1, 0x30+c2, 0x81+c3, 0x30+c4);
    
12. }

請说明unicode与gh18030的对应关系

GB18030的编码采用单字节、双字节和4字节方案。其中单字节、双字节和GBK是完全兼容的。4字节编码的码位就是收录了CJK扩展A的6582个汉字。 例如：UCS的0x3400在GB18030中的编码应该是8139EF30，UCS的0x3401在GB18030中的编码应该是8139EF31。

請说明unicode与gh18030的对应关系，谢谢