KEYTAB
Die Zeichensätze UTF-8Bei dem Zeichensatz "UTF-8" handelt es sich nicht um einen Zeichensatz, wie z.B. "Windows Codepage 1252", sondern vielmehr um eine Codierung von Unicode-Zeichen. Hierbei werden die wichigeren Zeichen (z.B. 0..9, A..Z, a..z) in einem Byte codiert, etwas weniger wichtigere Zeichen (z.B. ÄÖÜäöüß) in zwei Byte. Die Abstufung geht bis zu einer Codierung von 4 Byte. Der von KEYTAB implementierte Algorithmus zur Umwandlung von Unicode in UTF-8 lautet:
bzw. im C-Source /* Zeichen unter 0x80 sind nicht codiert */ if( lunicode < 0x80 ) { string[0] = (char)(lunicode & 0x7Fl); used = 1; } else if( lunicode < 0x800 ) { string[0] = 0xC0 | (char)((lunicode>>6) & 0x3F); string[1] = 0x80 | (char)(lunicode & 0x3F); used = 2; } else if( lunicode < 0x10000l ) { string[0] = 0xE0 | (char)((lunicode>>12) & 0x3F); string[1] = 0x80 | (char)((lunicode>>6) & 0x3F); string[2] = 0x80 | (char)(lunicode & 0x3F); used = 3; } else if( lunicode < 0x200000l ) { string[0] = 0xF0 | (char)((lunicode>>18) & 0x3F); string[1] = 0x80 | (char)((lunicode>>12) & 0x3F); string[2] = 0x80 | (char)((lunicode>>6) & 0x3F); string[3] = 0x80 | (char)(lunicode & 0x3F); used = 4; } Copyright © Martin Elsässer (eMail-Adressen) Letzte Aktualisierung am 3. November 2006 |