【发布时间】：2017-12-11 18:14:29
【问题描述】：
我正在尝试在 Linux 上将 ISO-8859-1 编码的字符串转换为 UTF-8。我正在使用 iconv 函数在 C++ 中执行此操作。这是我的代码：
//Conversion from ISO-8859-1 to UTF-8
iconv_t cd = iconv_open("UTF-8","ISO-8859-1");
char *input = "€"; // the byte value is 128 in ISO-8859-1
char *inputbuf= input;
size_t inputSize=1;
char *output = (char*)malloc(inputSize*4); // maximum size of a character in UTF8 is 4
char *outputbuf = output;
size_t outputSize = inputSize*4;
//Conversion Function
iconv (cd, &inputbuf, &inputSize, &outputbuf, &outputSize);
//Display input bytes(ISO-8859-1)
cout << "input bytes(ISO-8859-1):"
for (int i=0; i<inputSize; i++)
{
cout <<(int) *(input+i) << ", ";
}
cout<< std::endl;
//Display Converted bytes(UTF-8)
cout << "output bytes(UTF-8):"
for (int i=0; i<outputSize; i++) //displaying all the 4 bytes allocated
{
cout <<(int) *(output+i) << ", ";
}
cout<< std::endl;
iconv(cd);
这是我观察到的输出：
input bytes(ISO-8859-1): 128
output bytes(UTF-8): 194, 128, 0, 0
如您所见，输出 UTF-8 转换后的字节为 194,128。但是，预期的 UTF-8 输出为 226,130,172。我验证了任何 iconv 函数都没有抛出错误。
谁能帮我弄清楚我是否在这里遗漏了什么？
【问题讨论】：
-
根据this table，代码128在ISO 8859-1代码页中未定义。
-
€不是 ISO-8859-1 中的字节 128 (0x80)。事实上，字节 0x80 在 ISO-8859-1 中是未分配的。您正在考虑Windows-1252（或其他类似的字符集），它在字节0x80 中确实有€（但在所有支持的字符集中并不总是0x80）。 Windows-1252 通常被误认为是 ISO-8859-1。 -
@YSC: ISO-8859-15 将
€编码为字节 164 (0xA4)。