Dotaz: Konverzia unicode znaku na dva chary (utf-8)

[...............23]

V týchto veciach sa moc nevyznám ale snáď sa vyjadrím správne:
Potrebujem nejakú funkciu (ideálne by bolo C makro) na konverziu jedného 16-bitového unicode znaku, napr. 0x00fd na dva 8-bitové znaky podľa UTF-8, v tomto prípade by to napríklad boli 0xc3 a 0xbd. Opačnú konverziu (dva chary na unicode znak) som vyhrabal v kóde SDL_ttf, ale toto som nikde nenašiel. Vďaka za každú odpoveď.

Odpovědi

[pht]

neslo by na to nasroubovat knihovnu iconv?

[...............23]

hm, no funkcia iconv chce na vstupe pointer na pole charov, takže už to chce asi v tvare po dvojiciach bajtov...

[rastos]

wctomb(). Pozor, vplyv má nastavenie locale (buď premenné prostredia LC_* a LANG, prípadne volanie funkcie setlocale() )

[...............23]

wctomb vyzerá že by to mohlo byť ono, ale stále mi to vracia -1

proste ja by som potreboval opačnú operáciu k tomuto

#define TO_UNICODE(c1, c2) ((Uint16)(((unsigned char)c1)&0x1F) << 6 | (Uint16)(((unsigned char)c2)&0x3F))

ale asi nakoniec tie znaky nechám v unicode a upravím pár funkcií na prácu s nimi, bude to rýchlejšie...

[petr_p]

Jste si jistý, že všechny UCS-2 znaky je možné zakódovat do 2 B UTF-8?

[...............23]

Do 2 bajtov samozrejme nie, ale viacbajtové znaky (japonské a podobné hovadiny) zatiaľ nepotrebujem

[Filip Jirsák]

I české texty ale nebudou mít v UTF-8 všechny znaky dvoubajtové – spodní polovina ASCII tabulky se kóduje v UTF-8 do jednobajtových znaků.

[...............23]

Konvertujem len znaky ktoré nie sú v ASCII... Proste pri stlačení klávesu dostanem unicode číslo toho znaku a potrebujem ho skonvertovať na UTF-8, viď tu http://www.libsdl.org/cgi/docwiki.cgi/SDL_keysym

Druhá možnosť by bola nechať tie data v unicode, ale to by som musel upraviť istú časť kódu ktorý už mám...

[Andrej Herceg]

Možno by sa dalo použiť niečo takéto (nerieši sa tam endianness):

#include <stdio.h>

#define FROM_UNICODE(c, c1, c2, c3) \
if ((Uint16)(c) <= 0x7f) { \
	c1 = (unsigned char)(c); \
	c2 = c3 = 0; \
} else if ((Uint16)(c) <= 0x7ff) { \
        c1=(unsigned char)(((c) >> 6) | 0xc0); \
        c2=(unsigned char)(((c) & 0x3f) | 0x80); \
        c3 = 0; \
} else if ((Uint16)(c) <= 0xd7ff) { \
        c1=(unsigned char)(((c) >> 12) | 0xe0); \
        c1=(unsigned char)((((c) >> 6) & 0x3f) | 0x80); \
        c3=(unsigned char)(((c) & 0x3f) | 0x80); \
} else { \
	c1 = c2 = c3 = 0; \
}

typedef unsigned short int Uint16;

int main(void)
{
	Uint16 z = 0xfd;
	unsigned char c1, c2, c3;

	FROM_UNICODE(z, c1, c2, c3);

	printf("%x, %x %x %x\n", z, c1, c2, c3);
	return 0;
}

Ja by som tam pravdepodobne používal originálne dáta v UCS-2 alebo v UTF-16 (alebo čo sa to tam vlastne používa).

[...............23]

Super, díky moc! To je presne čo som potreboval.