文字をUTF-8からISO-8859-1に手動で変換します

Question

私は文字「ö」を持っています。 this UTF-8 tableを見ると、16進数の値がF6であることがわかります。 Unicode tableを見ると、 "ö"はインデックスがE0と16であることがわかります。両方を追加すると、コードポイントの16進数がF6になります。これはバイナリ値1111 0110です。

1）F6からインデックスE0と16に移動するにはどうすればよいですか？私は結果を得ていなかったので
2）私は2バイトC3B6からF6から来たのか分からない...

は、私は他の道を行くことを試みました。 "ö"はISO-8859-1で "¶"と表現されています。 UTF-8 tableには、 "Ã"に小数点以下の値があり、195があり、 "¶"に小数点以下の桁があることがわかります。182です。ビットに変換されたのは1100 0011 1011 0110です。

プロセス：

1. tableを見て、文字 "O" のUnicodeを取得します。 E0と16のインデックスから計算すると、Unicode U+00F6が得られます。

2. wildplasserによってポスティングされたアルゴリズムによれば、コード化されたUTF-8値C3とB6を計算できます。

3. バイナリ形式では、195と182の10進数値に対応する1100 0011 1011 0110が得られます。

4. これらの値がISO 8859-1（1バイトのみ）と解釈された場合、「¶」となります。

PS：私はステップ2.

Answer 1

あなたが使っているページがあなたを混乱させているewhat。 "UTF-8テーブル"または "Unicodeテーブル"のどちらも、UTF-8でのコードポイントの値を提供していません。それらは両方とも文字のUnicode値を単純にリストしています。

ユニコードでは、すべての文字（「コードポイント」）には一意の番号が割り当てられています。文字öには、コードポイントU+00F6が割り当てられています。コードポイントは、F6（16進数）、246（10進数）です。

UTF-8は、Unicodeコードポイントごとに1〜4バイトのシーケンスを使用して、Unicodeのrepresentationです。この記事では、32ビットのUnicodeコードポイントからUTF-8バイトシーケンスへの変換について説明します。使い慣れた方が簡単です。もちろん、コンピュータはいつもそれをやりますが、鉛筆や紙で簡単にやり、練習であなたの頭の中で行うことができます。

あなたがその変換を行う場合は、U+00F6はそれがöのUTF-8表現である理由であるUTF-8シーケンスC3 B6、またはバイナリで1100 0011 1011 0110に変換していることがわかります。

質問のもう半分はISO-8859-1についてです。これは、一般に "Latin-1"と呼ばれる文字エンコーディングです。 Latin-1エンコーディングの数値は、Unicodeの最初の256コードポイントと同じです。したがって、öは、Latin-1ではF6です。

UTF-8と標準のUnicodeコードポイント（UTF-32）の間で変換したら、Latin-1エンコーディングを取得するのは簡単です。ただし、すべてのUTF-8シーケンス/ Unicode文字に対応するLatin-1文字があるわけではありません。

文字エンコードとそれらの間の変換の詳細については、優秀な記事The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)を参照してください。

Answer 2

unsigned cha_latin2utf8(unsigned char *dst, unsigned cha) 
{ 
if (cha < 0x80) { *dst = cha; return 1; } 
    /* all 11 bit codepoints (0x0 -- 0x7ff) 
     ** fit within a 2byte utf8 char 
     ** firstbyte = 110 +xxxxx := 0xc0 + (char>>6) MSB 
     ** second = 10 +xxxxxx := 0x80 + (char& 63) LSB 
     */ 
    *dst++ = 0xc0 | (cha >>6) & 0x1f; /* 2+1+5 bits */ 
    *dst++ = 0x80 | (cha) & 0x3f; /* 1+1+6 bits */ 

return 2; /* number of bytes produced */ 
} 

からの値は、それをテストするために示しており、this linkも見出さ：

#include <stdio.h> 
int main (void) 
{ 
char buff[12]; 

cha_latin2utf8 (buff, 0xf6); 

fprintf(stdout, "%02x %02x\n" 
    , (unsigned) buff[0] & 0xff 
    , (unsigned) buff[1] & 0xff); 

return 0; 
} 

結果：

c3 b6