我是这个Unicode世界的新手，我不知道如何使用C.我不在* nix系统上。我使用的是fedora linux。 我尝试以二进制模式打开UTF-8文件，然后将每个字节读取为一个整数，然后将其转换为相应的Unicode Codepoint。但问题是，如何使用UTF-16格式将这个整数写入文本文件中。
生成的UTF-16输出文件必须与刚读取的UTF-8文件相同，但采用UTF-16格式。任何人都可以帮助我吗？我应该从读取UTF-8文件到整数开始吗？因为我在阅读时遇到了麻烦。 我知道我的代码有点乱，我正努力让它变得更好。 提前谢谢！
答案 0 :(得分：1)
首先，您必须确保理解字符和代码点之间的区别。关于这个问题，我建议你阅读Joel Spolsky的这篇文章：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
然后您可以使用可用的ConvertUTF库here。虽然这个库似乎不再受unicode.org的支持，但仍然是一个警告。
在你的情况下你想要从UTF8转换为UTF16，所以你应该使用函数“ConvertUTF8toUTF16”，它接受UTF8（unsigned char）的输入缓冲区并返回UTF16（unsigned short）的输出缓冲区。
所以问题：您应该将输入的UTF8文件作为unsigned char的缓冲区读取，并将输出UTF16文件作为unsigned short的缓冲区写入。 请注意字节序。
最后一条警告：在Microsoft世界中，“Unicode”和UTF16通常是等同的，但在这种情况下，“Unicode”的定义实际上大部分时间都是UCS-2。
答案 1 :(得分：0)
一种解决方案是使用Unicode库，例如ICU-TC，它将为您完成工作。
为了避免库依赖，并转换自己，你需要读取并从可变长度UTF-8编码转换为32位无符号整数，然后将32位整数转换为UTF-16的16位可变长度编码 - 值。
您需要打开输出文件进行二进制写入，使用：
FILE *outfile = fopen(filename,"wb");
UTF-16可以用小端或大端顺序编写。为了消除歧义，UTF-16有一个特殊的字节排序代码点，你先写（0xFEFF）这两个字节出现在文件中的顺序告诉读者文件写入的字节顺序。（见UTF-16 description on wikipedia）代码：
unsigned short int byte_ordering_sentinel = 0xFEFF;
fwrite(&byte_ordering_sentinel, 2, 1, outfile);
对于每个32位整数，您需要遵循UTF-16规则来生成可变长度的UTF-16值。对于每个16位UTF-16值，您可以执行以下操作：
fwrite(&next_utf16_value, 2, 1, outfile);
注1 ：Endianness是CPU和操作系统的产品。英特尔CPU总是小端。 ARM CPU可以做任何一种，并且在Android下是小端。如果要更改输出的字节顺序，则需要在写入之前对每个16位值进行字节交换。一定要将字节交换初始的byte_ordering_sentinel。
在linux上，您可以{bytes}在.whk.h中使用宏。{/ 3>
注意2 ：使用fgetc（）时，检查EOF值非常重要。如果有人在您的程序运行时更改了文件，那么您的feof（arq）检查和fgetc（）调用之间可能存在竞争条件。你的循环可能看起来像这样：
while ( (num=fgetc(arq)) != EOF )