linux下使用libiconv庫轉碼

iconv命令實現linux下字符集編碼的轉換  

windows下的文件復制到linux下時常會亂碼，因為windows下文件編碼為GBK，linux下默認文件編碼為UTF-8，故需要libiconv庫轉碼。

1.iconv命令用法如下：

iconv [選項...] [文件...]

 

輸入/輸出格式規范：

-f, --from-code=名稱 原始文本編碼

-t, --to-code=名稱 輸出編碼

 

信息：

-l, --list 列舉所有已知的字符集

 

輸出控制：

-c 從輸出中忽略無效的字符

-o, --output=FILE 輸出文件

-s, --silent 關閉警告

--verbose 打印進度信息

 

將GBK編碼的文件Hosts_GBK轉換為UTF-8編碼的HOSTS_UTF8.

示例如下：

iconv -f GBK -t UTF-8 Hosts_GBK > HOSTS_UTF8

 

2.iconv函數：

(1) iconv_t iconv_open(const char *tocode, const char *fromcode);
此函數說明將要進行哪兩種編碼的轉換,tocode是目標編碼,fromcode是原編碼,該函數返回一個轉換句柄,供以下兩個函數使用。

詳細說明：http://linux.die.net/man/3/iconv_open

(2) size_t iconv(iconv_t cd,char **inbuf,size_t *inbytesleft,char **outbuf,size_t *outbytesleft);
此函數從inbuf中讀取字符,轉換后輸出到outbuf中,inbytesleft用以記錄還未轉換的字符數,outbytesleft用以記錄輸出緩沖的剩余空間。

詳細說明：http://pubs.opengroup.org/onlinepubs/009695399/functions/iconv.html

　　大部分情形是inbuf 不為NULL，*inbuf也不為NULL。這種情況下，iconv函數將以*inbuf起始的多字節序列轉換到以*outbuf起始的多字節序列。從*inbuf開始讀取,最多*inbytesleft字節，轉換后，從*outbuf開始寫入,最多*outbytesleft字節。

　　iconv函數一次轉換一個多字節字符，每次字符轉換，*inbuf增加已轉換的字節數，*inbytesleft相應地減少已轉換的字節數；對應地，*outbuf和*outbytesleft作相應的修改，同時修改cd的轉換狀態，因此，相應的操作要針對其副本。

以下四種情況不能完成轉換：

1．輸入中含無效的多字節序列。此時，它將errno設置為EILSEQ並返回(size_t)(-1)。*inbuf指向無效序列的最左端。

2．輸入的字節序列已經全部被轉換過，也就是*inbytesleft減少至0。此時，iconv返回本次調用中完成轉換的數目（可逆的轉換不計入）。

3．輸入中以不完整多字節序列作結尾。此時，它將errno設置為EINVAL並返回(size_t)(-1)。*inbuf指向不完整多字節序列的最左端。

4．輸出緩存區沒有足夠空間來存儲下一個字符。此時，它將errno設置為E2BIG並返回(size_t)(-1)。

　　另一種情形是inbuf 為NULL或*inbuf為NULL，但*outbuf 不為NULL，*outbuf也不為NULL。這種情況下，iconv函數試圖將cd的轉換狀態設置為初始狀態並store a corresponding shift sequence at *outbuf。從*outbuf開始，最多寫入*outbytesleft字節。如果輸出緩存區沒有足夠空間來存儲這個重置后的序列，他將errno設置為E2BIG並返回(size_t)(-1)。反之，*outbuf增加寫入的字節數和*outbytesleft減少寫入的字節數。

　　第三種情形是inbuf 為NULL或*inbuf為NULL，*outbuf 為NULL或*outbuf為NULL。這種情況下，iconv函數試圖將cd的轉換狀態設置為初始狀態。

返回值：

iconv函數返回本次調用中轉換的字符數，可逆的轉換不計入。出錯時，它將修改errno並返回(size_t)(-1)。

錯誤：

E2BIG               *outbuf沒有足夠的空間。

EILSEQ              輸入含無效的多字節序列。

EINVAL              輸入含不完整多字節序列。

(3) int iconv_close(iconv_t cd);
此函數用於關閉轉換句柄,釋放資源。

 

c代碼示例

//將utf-8轉為gb2312，代碼僅供參考。
iconv_t cd;
char src_utf8[20]="utf8編碼";
char *inbuf=src_utf8;
int inen=strlen(inbuf);
int outlen=255;
char *outbuf=(char *)malloc(outlen);

cd=iconv_open("gb2312","utf-8");
iconv(cd,&inbuf,(size_t *)&inlen,&outbuf,&outlen);
printf("%s\n",outbuf);
iconv_close(cd);
free(outbuf);