如何使用 std 库在 Linux 上将 utf-16 转换为 utf-32？

在 MSVC 上，使用 C11 将 utf-16 转换为 utf-32 很容易编码cvt_utf16语言环境方面。但在 GCC (gcc (Debian 4.7.2-5) 4.7.2) 中，这个新功能似乎还没有实现。有没有办法在没有 iconv 的 Linux 上执行此类转换（最好使用 std 库的转换工具）？

将 UTF-16 解码为 UTF-32 非常容易。

您可能希望在编译时检测您正在使用的 libc 版本，并在检测到损坏的 libc（没有您需要的函数）时部署您的转换例程。

Inputs:

• 指向源 UTF-16 数据的指针 (char16_t *, ushort *， - 为了方便UTF16 *);
• 它的大小;
• 指向 UTF-32 数据的指针 (char32_t *, uint *- 为了方便UTF32 *).

代码如下：

void convert_utf16_to_utf32(const UTF16 *input, 
                            size_t input_size, 
                            UTF32 *output) 
{
    const UTF16 * const end = input + input_size;
    while (input < end) {
        const UTF16 uc = *input++;
        if (!is_surrogate(uc)) {
            *output++ = uc; 
        } else {
            if (is_high_surrogate(uc) && input < end && is_low_surrogate(*input))
                *output++ = surrogate_to_utf32(uc, *input++);
            else
                // ERROR
        }
    }
}

剩下的就是错误处理。您可能想要插入一个U+FFFD¹ 进入溪流并继续前进，或者只是退出，完全取决于您。辅助功能很简单：

int is_surrogate(UTF16 uc) { return (uc - 0xd800u) < 2048u; }
int is_high_surrogate(UTF16 uc) { return (uc & 0xfffffc00) == 0xd800; }
int is_low_surrogate(UTF16 uc) { return (uc & 0xfffffc00) == 0xdc00; }

UTF32 surrogate_to_utf32(UTF16 high, UTF16 low) { 
    return (high << 10) + low - 0x35fdc00; 
}

1 参见统一码：

• § 3.9 Unicode 编码形式（使用 U+FFFD 的最佳实践）
• § 5.22 U+FFFD 替换的最佳实践

² 还要考虑到!is_surrogate(uc)分支是迄今为止最常见的（以及第二个 if 中的非错误路径），您可能需要使用以下命令对其进行优化__builtin_expect或类似的。