iconv 用法

iconv 用法

場(chǎng)景說(shuō)明

     將UTF-8的編碼轉(zhuǎn)換成GBK編碼，使用Notepad++創(chuàng)建一個(gè)UTF-8（無(wú)BOM)的編碼文件，文件內(nèi)容簡(jiǎn)單為風(fēng)雨在途,保存文件名稱為utf8.txt,轉(zhuǎn)換之后存儲(chǔ)文件名稱為gbk.txt.

1.1：iconv命令的使用

iconv -f UTF8  -t GBK <utf8.txt>  gbk.txt

1.2：iconv函數(shù)的使用

      #include <iconv.h>

      size_t iconv(iconv_t cd,

                    char **inbuf, size_t*inbytesleft,

                    char **outbuf, size_t*outbytesleft);

參數(shù)說(shuō)明:經(jīng)過iconv函數(shù)之后，*outbuf當(dāng)前指向轉(zhuǎn)換之后的字符串的最后位置，*inuf當(dāng)前指向被轉(zhuǎn)換字符串的最后位置，所以為了得到正確的轉(zhuǎn)換字符串的指針位置，需要進(jìn)行如下的調(diào)整：

*outbuf = *outbuf - iconv函數(shù)的返回值.或者定義指針指向當(dāng)前的字符串緩存區(qū)，就不會(huì)修改字符串的緩沖區(qū)指針了

1.3代碼如下

int UTF8fileToGBKfile()

{

int ret;

int read_fd;

int write_fd;

//1打開文件，讀取utf-8文件

read_fd=open("utf8.txt",O_RDONLY|O_CREAT);

write_fd=open("gbk.txt", O_WRONLY|O_CREAT);

char utfBuffer[256] = {0};

size_t inLen = read(read_fd, utfBuffer,256);

//2獲取字符集轉(zhuǎn)換的文件句柄,這里是從utf-8轉(zhuǎn)換為gbk

errno = 0;

iconv_t cd = iconv_open("gbk","utf-8");

char* errMsg = NULL;

if (errno !=0)

{

   errMsg = strerror(errno);

   cout<<errno<<endl;

   cout<<errMsg<<endl;

   return -1;

}

//3準(zhǔn)備轉(zhuǎn)換前的字符串，避免修改原字符串

char* szSrc = (char*)malloc(inLen);

memset(szSrc, 0, inLen);

memcpy(szSrc, utfBuffer, inLen);

//4準(zhǔn)備轉(zhuǎn)換后的字符串存儲(chǔ)空間

size_t outLen = 256;

char* szDest = (char*)malloc(outLen);

memset(szDest, 0, outLen);

//4開始轉(zhuǎn)換

errno = 0;

char* pszDest = szDest;

char* pszSrc = szDest;

errno = 0;

ret = iconv(cd, &pszSrc, &inLen,&pszDest , &outLen);

if (errno !=0)

{

   errMsg = strerror(errno);

   cout<<errno<<endl;

   cout<<errMsg<<endl;

   return -2;

}

iconv_close(cd);

//5寫入文件，outlen是剩下多少空間沒有使用

ret = write(write_fd, szDest, 256-outLen);

close(read_fd);

close(write_fd);

free(szDest);

free(szSrc);

return 0;

}

2 編譯調(diào)試

2.1禁用優(yōu)化安裝

下載libiconv-1.14.tar.gz，解壓，執(zhí)行./configure --prefix=/opt/iconv;make;make install

生成文件：

charset.alias  libcharset.so        libiconv.la    libiconv.so.2.5.1

libcharset.a   libcharset.so.1      libiconv.so    preloadable_libiconv.so

libcharset.la  libcharset.so.1.0.0  libiconv.so.2

實(shí)際鏈接到庫(kù)的時(shí)候，指定庫(kù)目錄,在/etc/ld.so.conf文件之后追加一行/opt/iconv/lib.采用ldconfig命令的時(shí)候，出錯(cuò)：

libcharset.so.1 不是符號(hào)鏈接

libiconv.so.2 不是符號(hào)鏈接

原因是：刪除這兩個(gè)文件，然后使用ldconfig命令，生成該符號(hào)鏈接。

[root@jack lib]# ll

總用量 3560

-rw-r--r--. 1 root root     212 9月  13 10:22 charset.alias

-rw-r--r--. 1 root root   27868 9月  13 10:22 libcharset.a

-rw-r--r--. 1 root root     936 9月  13 10:22 libcharset.la

-rw-r--r--. 1 root root   277609月  13 10:22 libcharset.so

lrwxrwxrwx. 1 root root      19 9月  13 11:10libcharset.so.1->libcharset.so.1.0.0

-rw-r--r--. 1 root root   27760 9月  13 10:22 libcharset.so.1.0.0

-rw-r--r--. 1 root root     912 9月  13 10:22 libiconv.la

-rw-r--r--. 1 root root 1186436 9月  13 10:22 libiconv.so

lrwxrwxrwx. 1 root root      17 9月  13 11:10 libiconv.so.2 ->libiconv.so.2.5.1

-rw-r--r--. 1 root root 1186436 9月  13 10:22 libiconv.so.2.5.1

-rw-r--r--. 1 root root 1168119 9月  13 10:22 preloadable_libiconv.so

調(diào)用該動(dòng)態(tài)庫(kù)的編譯命令如下：

g++ test.cpp -I/opt/iconv/include//opt/iconv/lib/libcharset.a/opt/iconv/lib/libiconv.so   libsqlite3.a-lpthread -ldl  -g -o main

2.2禁用優(yōu)化

./configure--prefix=/opt/iconvCFLAGS="-g -O0"

生成動(dòng)態(tài)庫(kù)鏈接符號(hào)錯(cuò)誤解決

[root@jack lib]# ldconfig

ldconfig: /opt/iconv/lib/libiconv.so.2 不是符號(hào)連接

ldconfig: /opt/iconv/lib/libcharset.so.1 不是符號(hào)連接

[root@jack lib]# rm -rflibiconv.so.2libcharset.so.1

[root@jack lib]# ldconfig

2.3 GDB調(diào)試源碼

主要是將UTF-8編碼的字符串在轉(zhuǎn)換成GBK編碼，詳細(xì)的轉(zhuǎn)換規(guī)則UTF-8轉(zhuǎn)Unicode，

然后Unicode編碼通過查表，映射到GBK編碼上

loop_unicode.h:273

執(zhí)行函數(shù)

incount=cd->ifuncs.xxx_mbtowc(cd,&wc,inptr,inleft);

跳轉(zhuǎn)到./utf8.h:30

核心轉(zhuǎn)換函數(shù)：static size_t unicode_loop_convert (iconv_t icd,                           

  const char* * inbuf, size_t *inbytesleft,char* *outbuf,size_t*outbytesleft)

  at./loop_unicode.h:284

284 incount = cd->ifuncs.xxx_mbtowc(cd,&wc,inptr,inleft);

  at./loop_unicode.h:362

362   outcount = cd->ofuncs.xxx_wctomb(cd,outptr,wc,outleft);

該函數(shù)進(jìn)行Unicode轉(zhuǎn)換成GBK

進(jìn)行的是查表進(jìn)行轉(zhuǎn)換，在調(diào)試的過程中，可以通過附件，提前知道轉(zhuǎn)換的字符編碼，然后查看iconv庫(kù)是否轉(zhuǎn)換有問題

UTF-8轉(zhuǎn)Unicode編碼的函數(shù)：

static int

utf8_mbtowc (conv_t conv, ucs4_t*pwc,constunsigned char *s, int n)

 iconv函數(shù)中傳遞進(jìn)去的outptr會(huì)指向轉(zhuǎn)換字符串的末尾，所以需要進(jìn)行指針的前移，outptr-返回值

就是指向最開始轉(zhuǎn)換的字符串

iconv_open函數(shù)跳轉(zhuǎn)到lib/iconv.c 218 行，里面調(diào)用了

#include "iconv_open1.h"

47-60行

141-152行

  for (cp = fromcode, bp = buf, count = MAX_WORD_LENGTH+10+1; ; cp++,bp++){

    unsigned char c = * (unsigned char *) cp;

    if (c >= 0x80)

      goto invalid;

    if (c >= 'a' && c <= 'z')

      c -= 'a'-'A';

    *bp = c;

    if (c == '\0')

      break;

    if (--count == 0)

      goto invalid;

    }

這里進(jìn)行了大小寫轉(zhuǎn)換，所有的字體編碼類型，轉(zhuǎn)換成大寫字母，gbk轉(zhuǎn)換成GBK.小寫字母轉(zhuǎn)換成大寫字母是減去26

目前遇到一個(gè)相當(dāng)大的問題：

   ap= aliases_lookup(buf,bp-buf);

   if(ap == NULL) {

    ap = aliases2_lookup(buf);

    if (ap == NULL)

      goto invalid;

    }

這幾行函數(shù)沒能夠單步調(diào)試所以并不清楚返回值進(jìn)行了什么操作

#include "iconv_open2.h"

設(shè)置執(zhí)行的回調(diào)函數(shù)，以及初始化標(biāo)志位，具體的沒有看出什么

2.4手動(dòng)編寫指令構(gòu)建動(dòng)態(tài)庫(kù)

    使用庫(kù)提供的automake，順利生成libiconv.so文件，目前嘗試單獨(dú)編譯，出現(xiàn)如下的問題

使用指令如下：

g++libiconv-1.14/libcharset/lib/localcharset.clibiconv-1.14/lib/iconv.clibiconv-1.14/lib/relocatable.c  libsqlite3.a -lpthread -ldl -Ilibiconv-1.14/-I libiconv-1.14/include/-I libiconv-1.14/lib-Ilibiconv-1.14/libcharset/include/ -fPIC -shared -o libiconv.so

libiconv-1.14/libcharset/lib/localcharset.c:77:25:錯(cuò)誤：configmake.h：沒有那個(gè)文件或目錄

libiconv-1.14/libcharset/lib/localcharset.c:Infunction‘const char* get_charset_aliases()’:

libiconv-1.14/libcharset/lib/localcharset.c:135:錯(cuò)誤：‘LIBDIR’在此作用域中尚未聲明

查找資料顯示在windows下無(wú)需該文件，因此注釋該頭文件的包含

問題剩下LIBDIR的定義問題

查找所有的引用LIBDIR ,localcharset.c函數(shù)

static const char*get_charset_aliases(void)會(huì)通過dir =relocate (LIBDIR);

獲取該值，查看該函數(shù)的內(nèi)容：

 const char *cp;

 cp=charset_aliases;

/* Pointer to the contentsofthecharset.alias file, if it has already been

 read, else NULL.  Its format is:

 ALIAS_1 '\0' CANONICAL_1 '\0' ... ALIAS_n '\0'CANONICAL_n '\0''\0'  */

static const char *volatilecharset_aliases;

說(shuō)明指向這個(gè)charset.alias文件，查看該文件：

該文件的目錄如下：

libiconv-1.14/libcharset/lib

內(nèi)容如下：

# This file contains a table ofcharacterencodingaliases,

# suitable for operating system'linux-gnu'.

# It was automatically generatedfromconfig.charset.

# Packages using this file:

ISO_646.IRV:1983 ASCII

說(shuō)明該文件是由同一級(jí)目錄下的config.charset腳本生成的

跟蹤：

 linux* | *-gnu*)

  #With glibc-2.1 or newer, we don't need any canonicalization,

  #because glibc has iconv and both glibc and libiconv support all

  #GNU canonical names directly. Therefore, the Makefile does not

  #need to install the alias file at all.

  #The following applies only to glibc-2.0.x and older libcs.

 echo "ISO_646.IRV:1983 ASCII"

翻譯：glibc-2.1以后的版本都不需要任何的標(biāo)準(zhǔn)化文件，因?yàn)樽詭У木壒?，該文件只是被之前的版本引?/span>

因此在localcharset.c 定義LIBDIR指向的目錄：

#defineLIBDIR"/work/libiconv-1.14/libcharset/lib"

[root@jack work]# g++libiconv-1.14/libcharset/lib/localcharset.clibiconv-1.14/lib/relocatable.c    libiconv-1.14/lib/iconv.c test.cpp  -I libiconv-1.14/ -Ilibiconv-1.14/lib/-Ilibiconv-1.14/include  -Ilibiconv-1.14/libcharset/include/ -I libiconv-1.14/srclib/   libsqlite3.a -lpthread -ldl  -o testmain

/tmp/cc1ENLex.o: Infunction`libiconv_open':

iconv.c:(.text+0x18206):undefinedreferenceto `aliases_lookup(char const*, unsigned int)'

iconv.c:(.text+0x18391):undefinedreferenceto `aliases_lookup(char const*, unsigned int)'

/tmp/cc1ENLex.o:Infunction`libiconv_open_into':

iconv.c:(.text+0x187d0): undefinedreferenceto`aliases_lookup(char const*, unsigned int)'

iconv.c:(.text+0x1895b):undefinedreferenceto `aliases_lookup(char const*, unsigned int)'

/tmp/cc1ENLex.o: Infunction`iconv_canonicalize':

iconv.c:(.text+0x190a9):undefinedreferenceto `aliases_lookup(char const*, unsigned int)'

collect2: ld 返回 1

該函數(shù)的定義就在lib/aliases.h文件當(dāng)中定義的，不清楚為什么無(wú)法找到，

然后手動(dòng)將該定義拷貝到lib/iconv.c文件，還是出現(xiàn)同樣子的問題