WindowsPhone的中文GB2312、GBK編碼與Unicode相互轉換

網上有高人做的GB2312與Unicode相互轉換的類或者程式集，大家去找找看。但是GB2312是比較老的標準，覆蓋漢字6763個和非漢字圖形字元682個。不是太夠用，只能用GBK（覆蓋漢字21003個、符號883個）。但找了老半天，網上沒有現成的GBK與Unicode相互轉換的程式集。遂，只能自己寫了，現無私分享給大家。

思路：首先明確一點：Unicode只相容ASCII碼。所以，沒有任何演算法函式能表示GBK和Unicode的相互關係。那怎麼辦嘞？作業系統不是可以轉換麼？它是用得什麼辦法。就是最蛋疼的查表法。說的明白一點GBK轉Unicode就是用陣列的下標表示GBK的編碼，用陣列的值表示Unicode的編碼。這就一一對應了。反之Unicode轉GBK亦然，大家自己去思考。

 

　　一.GBK編碼是雙位元組（16bit），也就是說能表示2的16次方（65535）個編碼，而GBK的所覆蓋的字元只有21886。做簡單的方法就是弄個65535大小的陣列，其中零零散散地分佈著21886個有效GBK字元編碼，這太浪費資源了。需進行適當優化。

　　接下來，請看，GBK中第一個中文字元編碼為十六進位制0x8140，最後一個編碼為0xFEFE。0xFEFE-0x8140+0x0001=0x7DBF=32191。好了，縮減了區間，大約就是大小為32191的陣列零零散散的分佈著21886個有效GBK字元編碼。所需空間減少了一半。但是還浪費了大約10000左右的空間，但是沒辦法了GBK編碼太零散了。優化到這一步GBK轉Unicode編碼就完啦。

　　二.Unicode編碼也是雙位元組，首先，Unicode編碼只相容ASCII編碼，與其他編碼完全不相容。且，Unicode編碼中把中文簡體、繁體、日語、韓語列在同一大塊區域。沒有規律。完全找不到Unicode中文字元和GBK中文字元之間的函式對映。遂，也只能用查表法。

　　最簡單的像上文那樣弄個大小為65535的陣列，當然也是浪費空間，也需要優化。GBK中的那些中文字元零散地分佈在Unicode編碼中6大塊區域

。分別為

　　//0x00A4--0x0451 　　 942   個編碼位零散分佈著157 個Unicode編碼的中文字元
　　//0x2010--0x2642 　　 1587 個編碼位零散分佈著289 個Unicode編碼的中文字元
　　//0x3000--0x33D5 　　 982   個編碼位零散分佈著270 個Unicode編碼的中文字元
　　//0x4E00--0x9FA5 　　 20902個編碼位零散分佈著20902個Unicode編碼的中文字元
　　//0xE7C7--0xE864 　　 158   個編碼位零散分佈著95 個Unicode編碼的中文字元
　　//0xF92C--0xFFE5 　　  1722 個編碼位零散分佈著173 個Unicode編碼的中文字元

大家自己計算一下，這樣一優化下來，只需要一個大小為26293的陣列零散地分佈著21886個有效中文字元。

 

下載： GBK與Unicode互換

檔案在上面的連結裡，大家要是想拿去專案中用的話，那需要注意GBKToUnicode.txt和UnicodeToGBK.txt的路徑。

還有一點，我的程式碼是在開發WindowsPhone的基礎上寫的。其中載入檔案的程式碼在其他平臺不適用。

貌似轉換效能也不太好，以後在優化。

至於說到GB2312與Unicode之間的相互轉換，GBK編碼向下相容GB2312編碼。