mbrtoc16

来自cppreference.com
< c‎ | string‎ | multibyte
定义于头文件 <uchar.h>
size_t mbrtoc16( char16_t * restrict pc16, const char * restrict s,
                 size_t n, mbstate_t * restrict ps );
(C11 起)

从单个编码点的多字节字符表示将它转换成其变长 16 位宽字符(典型地为 UTF-16 )表示。

s 不是空指针,则审查从 s 所指的字节开始的多字节字符串的至多 n 个字节,以检查完成下个多字节字符的字节数(包含任何迁移序列)。若函数确定 s 中下个多字节字符完整且合法,则将它转换到对应的 16 位宽字符,并将它存储于 *pc16 (若 pc16 非空)。

*s 中的宽字符对应多 char16_t 序列(例如 UTF-16 中的代理对),则在首次调用此函数后更新 *ps ,以令下次到 mbrtoc16 的调用将写出额外的 char16_t ,而不考虑 *s

s 是空指针,则忽略 npc16 的值,而调用等价于 mbrtoc16(NULL, "", 1, ps)

若产生的宽字符是空字符,则转换状态 *ps 表示初始迁移状态。

若定义 __STDC_UTF_16__ 宏,则此函数使用的 16 位编码是 UTF-16 ;否则它是实现定义的。任何情况下,此函数所用的多字节字符编码为当前活跃的 C 本地环境所指定。

参数

pc16 - 指向将写入产生的 16-bit 宽字符的位置的指针
s - 指向用作输入的多字节字符串的指针
n - 能检验的字节数上的限制
ps - 指向转译多字节字符串时所用转换状态对象的指针

返回值

下列首个能应用者:

  • 若从 s 转换的字符是空字符(并存储于 *pc16 ,若它非空),则为 0
  • 成功从 s 转换的多字节字符的字节数 [1...n]
  • 若下个 char16_t 组成多 char16_t 字符,并已写入 *pc16 ,则为 (size_t)-3 。此情况下不从输入处理字节。
  • 若接下来 n 个字符组成不完整,但到此还合法的多字节字符,则为 (size_t)-2 。不写入 *pc16
  • 若出现编码错误则为 (size_t)-1 。不写入 *pc16 ,存储值 EILSEQerrno ,且 *ps 状态未指定。

示例

#include <stdio.h>
#include <locale.h>
#include <uchar.h>
#include <stdint.h>
 
mbstate_t state;
int main(void)
{
    setlocale(LC_ALL, "en_US.utf8");
    char in[] = u8"zß水🍌"; // 或 "z\u00df\u6c34\U0001F34C"
    size_t in_sz = sizeof in / sizeof *in;
 
    printf("Processing %zu UTF-8 code units: [ ", in_sz);
    for(size_t n = 0; n < in_sz; ++n) printf("%#x ", (unsigned char)in[n]);
    puts("]");
 
    char16_t out[in_sz];
    char *p_in = in, *end = in + in_sz;
    char16_t *p_out = out;
    size_t rc;
    while((rc = mbrtoc16(p_out, p_in, end - p_in, &state)))
    {
        if(rc == (size_t)-3) // UTF-16 中的代理对
            p_out += 1;
        else if(rc <= SIZE_MAX / 2) {
            p_in += rc;
            p_out += 1;
        } else break;
    }
 
    size_t out_sz = p_out - out + 1;
    printf("into %zu UTF-16 code units: [ ", out_sz);
    for(size_t x = 0; x < out_sz; ++x) printf("%#x ", out[x]);
    puts("]");
}

输出:

Processing 11 UTF-8 code units: [ 0x7a 0xc3 0x9f 0xe6 0xb0 0xb4 0xf0 0x9f 0x8d 0x8c 0 ]
into 6 UTF-16 code units: [ 0x7a 0xdf 0x6c34 0xd83c 0xdf4c 0 ]

引用

  • C11 standard (ISO/IEC 9899:2011):
  • 7.28.1.1 The mbrtoc16 function (p: 398-399)

参阅

将16位宽字符转换成窄多字节字符串
(函数)