WindowsPhone的中文GB2312、GBK编码与Unicode相互转换

╰半橙微兮° 2021-12-24 16:11 478阅读 0赞

网上有高人做的GB2312与Unicode相互转换的类或者程序集，大家去找找看。但是GB2312是比较老的标准，覆盖汉字6763个和非汉字图形字符682个。不是太够用，只能用GBK（覆盖汉字21003个、符号883个）。但找了老半天，网上没有现成的GBK与Unicode相互转换的程序集。遂，只能自己写了，现无私分享给大家。

思路：首先明确一点：Unicode只兼容ASCII码。所以，没有任何算法函数能表示GBK和Unicode的相互关系。那怎么办嘞？操作系统不是可以转换么？它是用得什么办法。就是最蛋疼的查表法。说的明白一点GBK转Unicode就是用数组的下标表示GBK的编码，用数组的值表示Unicode的编码。这就一一对应了。反之Unicode转GBK亦然，大家自己去思考。

一.GBK编码是双字节（16bit），也就是说能表示2的16次方（65535）个编码，而GBK的所覆盖的字符只有21886。做简单的方法就是弄个65535大小的数组，其中零零散散地分布着21886个有效GBK字符编码，这太浪费资源了。需进行适当优化。

接下来，请看，GBK中第一个中文字符编码为十六进制0x8140，最后一个编码为0xFEFE。0xFEFE-0x8140+0x0001=0x7DBF=32191。好了，缩减了区间，大约就是大小为32191的数组零零散散的分布着21886个有效GBK字符编码。所需空间减少了一半。但是还浪费了大约10000左右的空间，但是没办法了GBK编码太零散了。优化到这一步GBK转Unicode编码就完啦。

二.Unicode编码也是双字节，首先，Unicode编码只兼容ASCII编码，与其他编码完全不兼容。且，Unicode编码中把中文简体、繁体、日语、韩语列在同一大块区域。没有规律。完全找不到Unicode中文字符和GBK中文字符之间的函数映射。遂，也只能用查表法。

最简单的像上文那样弄个大小为65535的数组，当然也是浪费空间，也需要优化。GBK中的那些中文字符零散地分布在Unicode编码中6大块区域

。分别为

//0x00A4--0x0451 　　 942 个编码位零散分布着157 个Unicode编码的中文字符  
　　//0x2010--0x2642 　　 1587 个编码位零散分布着289 个Unicode编码的中文字符  
　　//0x3000--0x33D5 　　 982 个编码位零散分布着270 个Unicode编码的中文字符  
　　//0x4E00--0x9FA5 　　 20902个编码位零散分布着20902个Unicode编码的中文字符  
　　//0xE7C7--0xE864 　　 158 个编码位零散分布着95 个Unicode编码的中文字符  
　　//0xF92C--0xFFE5 　　 1722 个编码位零散分布着173 个Unicode编码的中文字符

大家自己计算一下，这样一优化下来，只需要一个大小为26293的数组零散地分布着21886个有效中文字符。

下载： [GBK与Unicode互换][GBK_Unicode]

文件在上面的链接里，大家要是想拿去项目中用的话，那需要注意GBKToUnicode.txt和UnicodeToGBK.txt的路径。

还有一点，我的代码是在开发WindowsPhone的基础上写的。其中加载文件的代码在其他平台不适用。

貌似转换性能也不太好，以后在优化。

至于说到GB2312与Unicode之间的相互转换，GBK编码向下兼容GB2312编码。

转载于:https://www.cnblogs.com/605395451/archive/2012/08/08/2628750.html

[GBK_Unicode]: http://files.cnblogs.com/605395451/GBKUnicode%E4%BA%92%E6%8D%A2.rar