使用ICU将UCS-2字符串转换为UTF-8

Question

您能帮我使用ICU将UCS-2字符串转换为UTF-8吗？

我正在使用以下代码，但是它不起作用。

UErrorCode status = U_ZERO_ERROR;
UConverter *conv;
char buf[1000];
int32_t buflen;

conv = ucnv_open("utf-8", &status);

if (U_FAILURE(status))
{
    LOG(L_ERROR, "%s: Can not open the ICU converter\n", __FUNCTION__);
}
else
{
    buflen = ucnv_fromUChars(conv, buf, sizeof(buf), (UChar*)sms->message.s, sms->message.len, &status);

    if (U_FAILURE(status))
    {
        LOG(L_ERROR, "%s: Error in conversion: %s\n", __FUNCTION__, u_errorName(status));
    }
}

LOG(L_DEBUG, "%s: Conversion made ...\n", __FUNCTION__);
hexdump(sms->message.s, sms->message.len);
hexdump(buf, buflen);

sms-> message是一个结构：

typedef struct str
{
    char *s;
    int len;
} str_t;

十六进制转储显示以下内容（输入文本：“ aaaa”）：

[DEBUG] add_recv_sms_to_db: Conversion made ...
000000: 00 61 00 61 00 61 00 61                          .a.a.a.a
000000: e6 84 80 e6 84 80 e6 84 80 e6 84 80 00 00 49 00  ..............I.

Answer 1

e6 84 80是CJK统一表意文字U + 6100的 UTF-8。 看起来sms->message.s在小端序中，而您的系统在用大端序来解释它（因此0x0061变为0x6100 ）。

您可以使用UCNV_UTF16_LittleEndian转换器，或仅在将sms->message.s传递到ICU之前执行字节交换。

Answer 2

我不确定它是否与@ecatmur发现的endiannes问题有关，但是您正在将sms->message.s转换为Uchar*一个char* Uchar*

在这里看 ：

如果将UChar定义为#defined（例如，将其定义为char16_t），则将其定义为UCHAR_TYPE；如果是16位宽，则将其定义为wchar_t。 始终假定为未签名。

如果都不可用，则将UChar定义为uint16_t。

这使UChar的定义取决于平台，但允许与具有16位wchar_t类型的平台直接兼容字符串类型。

您确定此演员表安全吗？