Конвертировать из UTF-8 в ISO8859-15 в C++

Question

Я хотел бы сделать преобразование из UTF-8 в ISO 8859-15 в C/C++, не включая дополнительную библиотеку.

Как мне этого добиться?

Я нашел следующий фрагмент кода, который работает для ISO 8859-1, но я не уверен, как справиться с различиями между ISO 8859-15 и ISO 8859-1 ( https://en.wikipedia.org/wiki/ISO/IEC_8859-15):

std::string UTF8toISO8859_1(const char * in) {
    std::string out;
    if (in == NULL)
        return out;

    unsigned int codepoint;
    while (*in != 0) {
        unsigned char ch = static_cast<unsigned char>(*in);
        if (ch <= 0x7f)
            codepoint = ch;
        else if (ch <= 0xbf)
            codepoint = (codepoint << 6) | (ch & 0x3f);
        else if (ch <= 0xdf)
            codepoint = ch & 0x1f;
        else if (ch <= 0xef)
            codepoint = ch & 0x0f;
        else
            codepoint = ch & 0x07;
        ++in;
        if (((*in & 0xc0) != 0x80) && (codepoint <= 0x10ffff)) {
            if (codepoint <= 255) {
                out.append(1, static_cast<char>(codepoint));
            }
            else {
                out.append("?");
            }
        }
    }
    return out;
}

Answer 1

Мне нравится этот код Это удивительно коротко. Большая часть кода имеет дело только с декодированием многобайтовых последовательностей в кодовые точки. Как только кодовая точка была декодирована, преобразование в ISO-8859-1 очень просто:

• Если оно меньше или равно 255, это также действительный символ ISO-8859-1: out.append(1, static_cast<char>(codepoint));
• Если нет, он не может быть представлен в ISO-8859-1 и заменен знаком вопроса: out.append("?");

Таким образом, чтобы он работал для ISO-8859-15, требуется больше кода для обработки символов, которые были заменены при введении ISO-8859-15 (см. Сравнение ISO-8859-1 и ISO-8859-15). К сожалению, это значительно увеличивает размер кода.

Код ниже должен быть легким для понимания. Он может быть оптимизирован для повышения производительности, если это главное.

std::string UTF8toISO8859_1(const char * in) {
    std::string out;
    if (in == NULL)
        return out;

    unsigned int codepoint;
    while (*in != 0) {
        unsigned char ch = static_cast<unsigned char>(*in);
        if (ch <= 0x7f)
            codepoint = ch;
        else if (ch <= 0xbf)
            codepoint = (codepoint << 6) | (ch & 0x3f);
        else if (ch <= 0xdf)
            codepoint = ch & 0x1f;
        else if (ch <= 0xef)
            codepoint = ch & 0x0f;
        else
            codepoint = ch & 0x07;
        ++in;

        if (((*in & 0xc0) != 0x80) && (codepoint <= 0x10ffff)) {
            // a valid codepoint has been decoded; convert it to ISO-8859-15               
            char outc;
            if (codepoint <= 255) {
                // codepoints up to 255 can be directly converted wit a few exceptions
                if (codepoint != 0xa4 && codepoint != 0xa6 && codepoint != 0xa8
                        && codepoint != 0xb4 && codepoint != 0xb8 && codepoint != 0xbc
                        && codepoint != 0xbd && codepoint != 0xbe) {
                    outc = static_cast<char>(codepoint);
                }
                else {
                    outc = '?';
                }
            }
            else {
                // With a few exceptions, codepoints above 255 cannot be converted
                if (codepoint == 0x20AC) {
                    outc = 0xa4;
                }
                else if (codepoint == 0x0160) {
                    outc = 0xa6;
                }
                else if (codepoint == 0x0161) {
                    outc = 0xa8;
                }
                else if (codepoint == 0x017d) {
                    outc = 0xb4;
                }
                else if (codepoint == 0x017e) {
                    outc = 0xb8;
                }
                else if (codepoint == 0x0152) {
                    outc = 0xbc;
                }
                else if (codepoint == 0x0153) {
                    outc = 0xbd;
                }
                else if (codepoint == 0x0178) {
                    outc = 0xbe;
                }
                else {
                    outc = '?';
                }
            }
            out.append(1, outc);
        }
    }
    return out;
}