Eu tenho um inteiro de 32 bits representando um caractere unicode e gostaria de converter este único caractere em sua representação utf-16 , ou seja, um ou mais inteiros de 16 bits.
1 Resposta
O formato de transformação do unicode, 16 bits (UTF-16) está definido na seção 2.5 do padrão Unicode, bem como na RFC 2781. Ela funciona da seguinte maneira:
- Seja o codepoint
U
o valor que você quer codificar. SeU
for menor que 65.536, emita-o normalmente. - Se
U
for maior ou igual a 65.536, obtenhaU' = U - 65536
. EsseU'
, pelas regras do Unicode, vai ter os 12 bits mais significativos iguais a zero (já que o último codepoint válido é0x10FFFF
). - Emita dois bytes, em ordem:
- o primeiro tem os seis bits mais significativos
1101 10
e os dez menos significativos iguais aos dez bits mais significativos deU'
. - O segundo tem os seis bits mais significativos
1101 11
e os dez menos significativos iguais aos dez bits menos significativos deU'
.
- o primeiro tem os seis bits mais significativos
Em C:
void
utf_16(uint32_t codepoint, FILE * out) {
uint32_t U;
uint16_t W;
assert(codepoint <= 0x10FFFF);
if (codepoint < 0x10000) {
W = (uint16_t) codepoint;
fwrite(W, sizeof(W), 1, out);
} else {
U = codepoint - 0x10000;
W = 0xD800 | (U >> 10);
fwrite(W, sizeof(W), 1, out);
W = 0xDC00 | (U & 0x3FF);
fwrite(W, sizeof(W), 1, out);
}
}