coding
編碼定義
在計(jì)算機(jī)硬件中，編碼（coding）是在一個主題或單元上為數(shù)據(jù)存儲，管理和分析的目的而轉(zhuǎn)換信息為編碼值（典型地如數(shù)字）的過程。在軟件中，編碼意味著邏輯地使用一個特定的語言如C或C++來執(zhí)行一個程序。在密碼學(xué)中，編碼是指在編碼或密碼中寫的行為。
將數(shù)據(jù)轉(zhuǎn)換為代碼或編碼字符，并能譯為原數(shù)據(jù)形式。是計(jì)算機(jī)書寫指令的過程，程序設(shè)計(jì)中的一部分。在地圖自動制圖中，按一定規(guī)則用數(shù)字與字母表示地圖內(nèi)容的過程，通過編碼，使計(jì)算機(jī)能識別地圖的各地理要素。
n位二進(jìn)制數(shù)可以組合成2的n次方個不同的信息，給每個信息規(guī)定一個具體碼組，這種過程也叫編碼。
數(shù)字系統(tǒng)中常用的編碼有兩類，一類是二進(jìn)制編碼，另一類是二—十進(jìn)制編碼。漢字的編碼體系
1．ASCII與Binary
我們?nèi)粘＝佑|到的文件分ASCII和Binary兩種。ASCII是“美國信息交換標(biāo)準(zhǔn)編碼”的英文字頭縮寫，可稱之為“美標(biāo)”。美標(biāo)規(guī)定了用從0到127的128個數(shù)字來代表信息的規(guī)范編碼，其中包括33個控制碼，一個空格碼，和94個形象碼。形象碼中包括了英文大小寫字母，阿拉伯?dāng)?shù)字，標(biāo)點(diǎn)符號等。我們平時閱讀的英文電腦文本，就是以形象碼的方式傳遞和存儲的。美標(biāo)是國際上大部分大小電腦的通用編碼。
然而電腦中的一個字符大都是用一個八位數(shù)的二進(jìn)制數(shù)字表示。這樣每一字符便可能有256個不同的數(shù)值。由于美標(biāo)只規(guī)定了128個編碼，剩下的另外128個數(shù)碼沒有規(guī)范，各家用法不一。另外美標(biāo)中的33個控制碼，各廠家用法也不盡一致。這樣我們在不同電腦間交換文件的時候，就有必要區(qū)分兩類不同的文件。第一類文件中每一個字都是美標(biāo)形象碼或空格碼。這類文件稱為“美標(biāo)文本文件”(ASCII Text Files)，或略為“文本文件”，通常可在不同電腦系統(tǒng)間直接交換。第二類文件，也就是含有控制碼或非美標(biāo)碼的文件，通常不能在不同電腦系統(tǒng)間直接交換。這類文件有一個通稱，叫“二進(jìn)制文件”(Binary Files)。
2．國標(biāo)、區(qū)位、“準(zhǔn)國標(biāo)”
“國標(biāo)”是“中華人民共和國國家標(biāo)準(zhǔn)信息交換用漢字編碼”的簡稱。國標(biāo)表（基本表）把七千余漢字、以及標(biāo)點(diǎn)符號、外文字母等，排成一個94行、94列的方陣。方陣中每一橫行叫一個“區(qū)”，每個區(qū)有九十四個“位”。一個漢字在方陣中的坐標(biāo)，稱為該字的“區(qū)位碼”。例如“中”字在方陣中處于第５４區(qū)第４８位，它的區(qū)位碼就是5448。
其實(shí)94這個數(shù)字。它是美標(biāo)中形象碼的總數(shù)。國標(biāo)表沿用這個數(shù)字，本意大概是要用兩個美標(biāo)形象符代表一個漢字。由于美標(biāo)形象符的編碼是從33到126，漢字區(qū)、位碼如果各加上32，就會與美標(biāo)形象碼的范圍重合。如上例“中”字區(qū)、位碼加上32后，得86,80。這兩個數(shù)字的十六進(jìn)制放在一起得5650，稱為該字的“國標(biāo)碼”，而與其相對應(yīng)的兩個美標(biāo)符號，VP，也就是“中”字的“國標(biāo)符”了。
這樣就產(chǎn)生了一個如何區(qū)分國標(biāo)符與美標(biāo)符的問題。在一個中英文混用的文件里，“VP”到底代表“中”字呢，還是代表某個英文字頭縮寫？電子工業(yè)部第六研究所開發(fā)CCDOS的時候，使用了一個簡便的解決方案：把國標(biāo)碼的兩個數(shù)字各加上128，上升到非美標(biāo)碼的位置。（改變后的國標(biāo)碼，習(xí)慣上仍叫“國標(biāo)”。）
這個方案固然解決了原來的問題，可是新的問題隨之產(chǎn)生。中文文件成了“二進(jìn)制文件”，既不能可靠地在不同電腦系統(tǒng)間交換，也不與市場上大部分以美標(biāo)符號為設(shè)計(jì)對象的軟件兼容。
為了區(qū)分以上兩種“國標(biāo)”，我們把原與美標(biāo)形象碼重合的國標(biāo)碼稱為“純國標(biāo)” ，而把CCDOS加上128的國標(biāo)碼稱為“準(zhǔn)國標(biāo)”。
3．GBK碼：
GBK碼是GB碼的擴(kuò)展字符編碼，對多達(dá)2萬多的簡繁漢字進(jìn)行了編碼，簡體版的Win95和Win98都是使用GBK作系統(tǒng)內(nèi)碼。
從實(shí)際運(yùn)用來看，微軟自win95簡體中文版開始，系統(tǒng)就采用GBK代碼，它包括了TrueType宋體、黑體兩種GBK字庫（北京中易電子公司提供），可以用于顯示和打印，并提供了四種GBK漢字的輸入法。此外，瀏覽器IE4.0簡體、繁體中文版內(nèi)部提供了一個GBK-BIG5代碼雙向轉(zhuǎn)換功能。此外，微軟公司為IE提供的語言包中，簡體中文支持（Simplified Chinese Language Support Kit）的兩種字庫宋體、黑體，也是GBK漢字（珠海四通電腦排版系統(tǒng)開發(fā)公司提供）。其他一些中文字庫生產(chǎn)廠商，也開始提供TrueType或PostScript GBK字庫。
許多外掛式的中文平臺，如南極星、四通利方（Richwin）等，提供GBK碼的支持，包括字庫、輸入法和GBK與其他中文代碼的轉(zhuǎn)化器。
互聯(lián)網(wǎng)方面，許多網(wǎng)站網(wǎng)頁使用GBK代碼。
但是多數(shù)搜索引擎都不能很好的支持GBK漢字搜索，大陸地區(qū)的搜索引擎有些能不完善的支持GBK漢字檢索。
其實(shí)，GBK是又一個漢字編碼標(biāo)準(zhǔn)，全稱《漢字內(nèi)碼擴(kuò)展規(guī)范》（Chinese Internatial Code Specification），1995年頒布。GB是國標(biāo)，K是漢字“擴(kuò)展”的漢語拼音第一個字母。
GBK向下與GB-2312編碼兼容，向上支持ISO 10646.1國際標(biāo)準(zhǔn)，是前者向后者過渡的一個承啟標(biāo)準(zhǔn)。
GBK規(guī)范收錄了ISO 10646.1中的全部CJK漢字和符號，并有所補(bǔ)充。具體包括：GB 2312中的全部漢字、非漢字符號；GB 13000.1中的其他CJK漢字。以上合計(jì)20902個GB化漢字；《簡化總表中》未收入GB 13000.1的52個漢字；《康熙字典》以及《辭?！分形幢皇杖隚B 13000.1的28個部首及重要構(gòu)件；13個漢字結(jié)構(gòu)符；BIG-5中未被GB 2312收入、但存在于GB 13000.1的139個圖形符號；GB 12345增補(bǔ)的6個拼音符號；GB 12345增補(bǔ)的19個豎排圖形符號（GB 12345較GB 2312增補(bǔ)豎排標(biāo)點(diǎn)符號29個，其中10個未被GB 13000.1收入，故GBK亦不收）；從GB 13000.1的CJK兼容區(qū)挑選出的21個漢字；GB 13000.1收入的31個IBM OS/2專用符號。GBK亦采用雙字節(jié)表示，總體編碼范圍為0x8140~0xFEFE之間，首字節(jié)在0x81~0xFE之間，尾字節(jié)在0x40~0xFE之間，剔除0x××7F一條線，總計(jì)23940個碼位，共收入21886個漢字和圖形符號，其中漢字（包括部首和構(gòu)件）21003個，圖形符號883個。
4．BIG5碼：
BIG5碼是針對繁體漢字的漢字編碼，目前在臺灣、香港的電腦系統(tǒng)中得到普遍應(yīng)用。BIG5碼的編碼范圍參考下文。
5．HZ碼：
HZ碼是在Internet上廣泛使用的一種漢字編碼?！癏Z”方案的特點(diǎn)，是以“純國標(biāo)”的中文與美標(biāo)碼混用。那么“HZ”是怎樣區(qū)分國標(biāo)符和美標(biāo)符的呢？答案其實(shí)也很簡單：當(dāng)一串美標(biāo)碼中間插入一段國標(biāo)碼的時候，我們便在國標(biāo)碼的前面加上~，后面加上~。這些附加碼分別叫“逃出碼”和“逃入碼”。 由于這些附加碼本身也是美標(biāo)形象碼，整個文件就儼然是一個美標(biāo)文本文件，可以安然地 在電腦網(wǎng)上傳遞，也和大部分英文文本處理軟件兼容。
6．ISO－2022CJK碼：
ISO-2022是國際標(biāo)準(zhǔn)組織（ISO）為各種語言字符制定的編碼標(biāo)準(zhǔn)。采用二個字節(jié)編碼，其中漢語編碼稱ISO-2022 CN，日語、韓語的編碼分別稱JP、KR。一般將三者合稱CJK碼。目前CJK碼主要在Internet網(wǎng)絡(luò)中使用。
7．UCS 和 ISO 10646：
1993年，國際標(biāo)準(zhǔn)ISO10646 定義了通用字符集 (Universal Character Set, UCS)。 UCS 是所有其他字符集標(biāo)準(zhǔn)的一個超集。它保證與其他字符集是雙向兼容的。就是說, 如果你將任何文本字符串翻譯到 UCS格式，然后再翻譯回原編碼, 你不會丟失任何信息。
UCS 包含了用于表達(dá)所有已知語言的字符。不僅包括拉丁語，希臘語，斯拉夫語,希伯來語,阿拉伯語,亞美尼亞語和喬治亞語的描述， 還包括中文，日文和韓文這樣的象形文字，以及平假名，片假名，孟加拉語, 旁遮普語果魯穆奇字符(Gurmukhi)， 泰米爾語， 印.埃納德語(Kannada)，Malayalam，泰國語, 老撾語， 漢語拼音(Bopomofo)， Hangul，Devangari，Gujarati， Oriya，Telugu 以及其它語種。對于還沒有加入的語言, 由于正在研究怎樣在計(jì)算機(jī)中最好地編碼它們， 因而最終它們都將被加入。這些語言包括Tibetian，高棉語，Runic(古代北歐文字)，埃塞俄比亞語， 其他象形文字，以及各種各樣的印-歐語系的語言，還包括挑選出來的藝術(shù)語言比如 Tengwar，Cirth 和 克林貢語(Klingon)。UCS 還包括大量的圖形的，印刷用的，數(shù)學(xué)用的和科學(xué)用的符號，包括所有由 TeX，Postscript， MS-DOS，MS-Windows， Macintosh， OCR 字體， 以及許多其他字處理和出版系統(tǒng)提供的字符。
ISO 10646 定義了一個 31 位的字符集。 然而, 在這巨大的編碼空間中, 迄今為止只分配了前 65534 個碼位 (0x0000 到 0xFFFD)。這個UCS的16位子集稱為基本多語言面 (Basic Multilingual Plane, BMP)。 將被編碼在16位BMP以外的字符都屬于非常特殊的字符(比如象形文字), 且只有專家在歷史和科學(xué)領(lǐng)域里才會用到它們。按當(dāng)前的計(jì)劃, 將來也許再也不會有字符被分配到從0x000000到0x10FFFF這個覆蓋了超過100萬個潛在的未來字符的 21 位的編碼空間以外去了。ISO 10646-1標(biāo)準(zhǔn)第一次發(fā)表于1993年, 定義了字符集與 BMP 中內(nèi)容的架構(gòu)。定義 BMP以外的字符編碼的第二部分 ISO 10646-2 正在準(zhǔn)備中, 但也許要過好幾年才能完成。新的字符仍源源不斷地加入到 BMP 中, 但已經(jīng)存在的字符是穩(wěn)定的且不會再改變了。
UCS 不僅給每個字符分配一個代碼, 而且賦予了一個正式的名字。表示一個 UCS 或 Unicode 值的十六進(jìn)制數(shù), 通常在前面加上 “U+”, 就象U+0041 代表字符“拉丁大寫字母A”。UCS字符U+0000到U+007F 與 US-ASCII(ISO 646) 是一致的， U+0000 到 U+00FF 與 ISO 8859-1(Latin-1) 也是一致的。從 U+E000 到 U+F8FF，已經(jīng)BMP 以外的大范圍的編碼是為私用保留的。
1993年，ISO10646中定義的USC-4 (Universal Character Set) ，使用了4 個字節(jié)的寬度以容納足夠多的相當(dāng)可觀的空間，但是這個過于肥胖的字符標(biāo)準(zhǔn)在當(dāng)時乃至現(xiàn)在都有其不現(xiàn)實(shí)的一面，就是會過分侵占存儲空間并影響信息傳輸?shù)男省?與此同時，Unicode 組織于約 10 年前以 Universal, Unique和Uniform 為主旨也開始開發(fā)一個16位字符標(biāo)準(zhǔn)， 為避免兩種16位編碼的競爭，1992年兩家組織開始協(xié)商，以期折衷尋找共同點(diǎn)，這就是今天的 UCS-2 (BMP，Basic Multilingual Plane，16bit) 和Unicode，但它們?nèi)匀皇遣煌姆桨浮?
8．Unicode碼：
關(guān)于Unicode我們需要追溯一下它產(chǎn)生的淵源。
當(dāng)計(jì)算機(jī)普及到東亞時，遇到了使用表意字符而非字母語言的中、日、韓等國家。在這些國家使用的語言中常用字符多達(dá)幾千個，而原來字符采用的是單字節(jié)編碼，一張代碼頁中最多容納的字符只有28=256個，對于使用表意字符的語言是在無能為力。既然一個字節(jié)不夠，自然人們就采用兩個字節(jié)，所有出現(xiàn)了使用雙字節(jié)編碼的字符集(DBCS)。不過雙字節(jié)字符集中雖然表意字符使用了兩個字節(jié)編碼，但其中的ASCII碼和日文片假名等仍用單字節(jié)表示，如此一來給程序員帶來了不小的麻煩，因?yàn)槊慨?dāng)設(shè)計(jì)到DBCS字符串的處理時，總是要判斷當(dāng)中的一個字節(jié)到底表示的是一個字符還是半個字符，如果是半個字符，那是前一半還是后一半？由此可見DBCS并不是一種非常好的解決方案。
人們在不斷尋找這更好的字符編碼方案，最后的結(jié)果就是Unicode誕生了。Unicode其實(shí)就是寬字節(jié)字符集，它對每個字符都固定使用兩個字節(jié)即16位表示，于是當(dāng)處理字符時，不必?fù)?dān)心只處理半個字符。
目前，Unicode在網(wǎng)絡(luò)、Windows系統(tǒng)和很多大型軟件中得到應(yīng)用。關(guān)于GB編碼的一些常識
GB編碼標(biāo)準(zhǔn)中，比較常用的是GB2312和GBK兩種，GB2312是GBK的一個子集，GB2312編碼范圍是 0xA1A1 - 0xFEFE ，如果純粹的 GB2312編碼，處理起來是十分簡單的，但處理GBK字符集時有些小的提示，先說說GBK編碼的標(biāo)準(zhǔn)吧：
GBK 采用雙字節(jié)表示，總體編碼范圍為 8140-FEFE，首字節(jié)在 81-FE 之間，尾字節(jié)在 40-FE 之間，剔除 xx7F 一條線?？傆?jì) 23940 個碼位，共收入 21886 個漢字和圖形符號，其中漢字（包括部首和構(gòu)件）21003 個，圖形符號 883 個。
全部編碼分為三大部分：
1. 漢字區(qū)。包括：
a. GB 2312 漢字區(qū)。即 GBK/2: B0A1-F7FE。收錄 GB 2312 漢字 6763 個，按原順序排列。
b. GB 13000.1 擴(kuò)充漢字區(qū)。包括：
(1) GBK/3: 8140-A0FE。收錄 GB 13000.1 中的 CJK 漢字 6080 個。
(2) GBK/4: AA40-FEA0。收錄 CJK 漢字和增補(bǔ)的漢字 8160 個。
CJK 漢字在前，按 UCS 代碼大小排列；增補(bǔ)的漢字（包括部首和構(gòu)件）在后，按《康熙字典》的頁碼／字位排列。
2. 圖形符號區(qū)。包括：
a. GB 2312 非漢字符號區(qū)。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符號外，
還有 10 個小寫羅馬數(shù)字和 GB 12345 增補(bǔ)的符號。計(jì)符號 717 個。
b. GB 13000.1 擴(kuò)充非漢字區(qū)。即 GBK/5: A840-A9A0。BIG-5 非漢字符號、結(jié)構(gòu)符和“○”排列在此區(qū)。計(jì)符號 166 個。
3. 用戶自定義區(qū)：分為(1)(2)(3)三個小區(qū)。
(1) AAA1-AFFE，碼位 564 個。
(2) F8A1-FEFE，碼位 658 個。
(3) A140-A7A0，碼位 672 個。
第(3)區(qū)盡管對用戶開放，但限制使用，因?yàn)椴慌懦磥碓诖藚^(qū)域增補(bǔ)新字符的可能性。
這里有幾個小技巧：
一、在php中，字符編碼是按所發(fā)送的編碼為準(zhǔn)的，因些使用的就是用戶輸入的編碼，不會自動改變，但在asp中，默認(rèn)的編碼是unicode，這樣我們很容易就能得到gbk->unicode的編碼對照表，這樣即使在毫無基礎(chǔ)庫的情況下也能很容易的實(shí)現(xiàn)gbk到utf-8的轉(zhuǎn)換了；
二、由于GBK是高位最低數(shù)值是0x40，即是64，因此，有時候組織一些涉及中文的字串時，分割字符最好用64之前的ascii碼，這樣在任意情況下替換或分割都不會出現(xiàn)亂碼，比較常用的是 ","、";"、":"、" "、" "、" "，這些字符永遠(yuǎn)都不會給gb編碼添亂。編碼的種類
編碼(Encoding)在認(rèn)知上是解釋傳入的刺激的一種基本知覺的過程。技術(shù)上來說，這是一個復(fù)雜的、多階段的轉(zhuǎn)換過程，從較為客觀的感覺輸入（例如光、聲）到主觀上有意義的體驗(yàn)。
字符編碼(Character encoding)是一套法則，使用該法則能夠?qū)ψ匀徽Z言的字符的一個集合（如字母表或音節(jié)表），與其他東西的一個集合（如號碼或電脈沖）進(jìn)行配對。
文字編碼(Text encoding)使用一種標(biāo)記語言來標(biāo)記一篇文字的結(jié)構(gòu)和其他特征，以方便計(jì)算機(jī)進(jìn)行處理。
語義編碼(Semantics encoding)，以正式語言乙對正式語言甲進(jìn)行語義編碼，即是使用語言乙表達(dá)語言甲所有的詞匯（如程序或說明）的一種方法。
電子編碼(Electronic encoding)是將一個信號轉(zhuǎn)換成為一個代碼，這種代碼是被優(yōu)化過的以利于傳輸或存儲。轉(zhuǎn)換工作通常由一個編解碼器完成。
神經(jīng)編碼(Neural encoding)是指信息在神經(jīng)元中被如何描繪的方法。
記憶編碼(Memory encoding)是把感覺轉(zhuǎn)換成記憶的過程。
加密(Encryption)是為了保密而對信息進(jìn)行轉(zhuǎn)換的過程。
譯碼(Transcoding)是將編碼從一種格式轉(zhuǎn)換到另一種格式的過程。[1]字符集編碼轉(zhuǎn)換輕松實(shí)現(xiàn)
一、利用iconv函數(shù)族進(jìn)行編碼轉(zhuǎn)換
在LINUX上進(jìn)行編碼轉(zhuǎn)換時,既可以利用iconv函數(shù)族編程實(shí)現(xiàn),也可以利用iconv命令來實(shí)現(xiàn),只不過后者是針對文件的,即將指定文件從一種編碼轉(zhuǎn)換為另一種編碼。
iconv函數(shù)族的頭文件是iconv.h，使用前需包含之。
#include <iconv.h>
iconv函數(shù)族有三個函數(shù),原型如下：
(1) iconv_t iconv_open(const char *tocode, const char *fromcode)；
此函數(shù)說明將要進(jìn)行哪兩種編碼的轉(zhuǎn)換，tocode是目標(biāo)編碼，fromcode是原編碼，該函數(shù)返回一個轉(zhuǎn)換句柄，供以下兩個函數(shù)使用。
(2) size_t iconv(iconv_t cd，char **inbuf，size_t *inbytesleft，char **outbuf，size_t *outbytesleft)；
此函數(shù)從inbuf中讀取字符，轉(zhuǎn)換后輸出到outbuf中，inbytesleft用以記錄還未轉(zhuǎn)換的字符數(shù),outbytesleft用以記錄輸出緩沖的剩余空間。 (3) int iconv_close(iconv_t cd)；
此函數(shù)用于關(guān)閉轉(zhuǎn)換句柄,釋放資源。
例子1： 用C語言實(shí)現(xiàn)的轉(zhuǎn)換示例程序
/* f.c ：代碼轉(zhuǎn)換示例C程序 */
#include <iconv.h>
#define OUTLEN 255
main()
{
char *in_utf8 = "姝ｅ?ㄥ??瑁?"；
char *in_gb2312 = "正在安裝"；
char out[OUTLEN]；
//unicode碼轉(zhuǎn)為gb2312碼
rc = u2g(in_utf8,strlen(in_utf8),out,OUTLEN)；
printf("unicode-->gb2312 out=%sn",out)；
//gb2312碼轉(zhuǎn)為unicode碼
rc = g2u(in_gb2312,strlen(in_gb2312),out,OUTLEN)；
printf("gb2312-->unicode out=%sn",out)；
}
//代碼轉(zhuǎn)換:從一種編碼轉(zhuǎn)為另一種編碼
int code_convert(char *from_charset,char *to_charset,char *inbuf,int inlen,char *outbuf,int outlen)
{
iconv_t cd;
int rc;
char **pin = &inbuf;
char **pout = &outbuf;
cd = iconv_open(to_charset,from_charset);
if (cd==0) return -1;
memset(outbuf,0,outlen);
if (iconv(cd,pin,&inlen,pout,&outlen)==-1) return -1;
iconv_close(cd);
return 0;
}
//UNICODE碼轉(zhuǎn)為GB2312碼
int u2g(char *inbuf,int inlen,char *outbuf,int outlen)
{
return code_convert("utf-8","gb2312",inbuf,inlen,outbuf,outlen);
}
//GB2312碼轉(zhuǎn)為UNICODE碼
int g2u(char *inbuf,size_t inlen,char *outbuf,size_t outlen)
{
return code_convert("gb2312","utf-8",inbuf,inlen,outbuf,outlen);
}
例子2: 用C++語言實(shí)現(xiàn)的轉(zhuǎn)換示例程序
/* f.cpp : 代碼轉(zhuǎn)換示例C++程序 */
#include <iconv.h>
#include <iostream>
#define OUTLEN 255
using namespace std;
// 代碼轉(zhuǎn)換操作類
class CodeConverter {
private:
iconv_t cd;
public:
// 構(gòu)造
CodeConverter(const char *from_charset,const char *to_charset) {
cd = iconv_open(to_charset,from_charset);
}
// 析構(gòu)
~CodeConverter() {
iconv_close(cd);
}
// 轉(zhuǎn)換輸出
int convert(char *inbuf,int inlen,char *outbuf,int outlen) {
char **pin = &inbuf;
char **pout = &outbuf;
memset(outbuf,0,outlen);
return iconv(cd,pin,(size_t *)&inlen,pout,(size_t *)&outlen);
}
};
int main(int argc, char **argv)
{
char *in_utf8 = "姝ｅ?ㄥ??瑁?";
char *in_gb2312 = "正在安裝";
char out[OUTLEN];
// utf-8-->gb2312
CodeConverter cc = CodeConverter("utf-8","gb2312");
cc.convert(in_utf8,strlen(in_utf8),out,OUTLEN);
cout << "utf-8-->gb2312 in=" << in_utf8 << ",out=" << out << endl;
// gb2312-->utf-8
CodeConverter cc2 = CodeConverter("gb2312","utf-8");
cc2.convert(in_gb2312,strlen(in_gb2312),out,OUTLEN);
cout << "gb2312-->utf-8 in=" << in_gb2312 << ",out=" << out << endl;
}
二、利用iconv命令進(jìn)行編碼轉(zhuǎn)換
在LINUX上進(jìn)行編碼轉(zhuǎn)換時,既可以利用iconv函數(shù)族編程實(shí)現(xiàn),也可以利用iconv命令來實(shí)現(xiàn),只不過后者是針對文件的,即將指定文件從一種編碼轉(zhuǎn)換為另一種編碼。
iconv命令用于轉(zhuǎn)換指定文件的編碼,默認(rèn)輸出到標(biāo)準(zhǔn)輸出設(shè)備,亦可指定輸出文件。
用法： iconv [選項(xiàng)...] [文件...]
有如下選項(xiàng)可用：
輸入/輸出格式規(guī)范：
-f, --from-code=名稱 原始文本編碼
-t, --to-code=名稱 輸出編碼
信息：
-l, --list 列舉所有已知的字符集
輸出控制：
-c 從輸出中忽略無效的字符
-o, --output=FILE 輸出文件
-s, --silent 關(guān)閉警告
--verbose 打印進(jìn)度信息
-?, --help 給出該系統(tǒng)求助列表
--usage 給出簡要的用法信息
-V, --version 打印程序版本號
例子：
iconv -f utf-8 -t gb2312 aaa.txt >bbb.txt
這個命令讀取aaa.txt文件，從utf-8編碼轉(zhuǎn)換為gb2312編碼,其輸出定向到bbb.txt文件。
小結(jié): LINUX為我們提供了強(qiáng)大的編碼轉(zhuǎn)換工具,給我們帶來了方便。
浙公網(wǎng)安備33010602010414號