UTF-8/16/32 の相互変換を行うテンプレートライブラリを作ってみた。

が、首を傾げるものが出来てしまった。(コードの多くが盥回し…)

C++ 用 UTF-8/16/32 相互変換ライブラリ

UTF-8/16/32 の相互変換を行うテンプレートライブラリです。

処理内容は単純に

変換元から 1 文字分を UTF-32 に変換して取り出す
変換先へ UTF-32 から変換して出力する
全て変換するまで繰り返す

を行うためのものしかありません。

ヘッダファイル : utfcvt.hpp

必要なファイルは utfcvt.hpp のみで、#include して使用します。

名前空間は utfcvt で、テンプレート関数と4 つのクラスを使用します。

utf - メソッド引数型による UTF-8/16/32 自動判別
utf8 - UTF-8 コード処理
utf16 - UTF-16 コード処理
utf32 - UTF-32 コード処理

テンプレート関数

変換関数は関数名が変換先形式で、変換元の形式は型から自動判別します。

// ヌル文字直前までの数 (strlen や wcslen と同様)
template <typename sT> size_t utflen(sT* s);

// UTF-8 に変換
template <typename sT> std::string to_string(sT s);
template <typename iT> std::string to_string(iT s, iT e);
template <typename sT> std::string to_string(sT* s, size_t n);

// UTF-16/32 に変換
template <typename sT> std::wstring to_wstring(sT s);
template <typename iT> std::wstring to_wstring(iT s, iT e);
template <typename sT> std::wstring to_wstring(sT* s, size_t n);

/*
 * 以下、使用可能とは限らない
 */

// UTF-8 に変換
template <typename sT> std::u8string to_u8string(sT s);
template <typename iT> std::u8string to_u8string(iT s, iT e);
template <typename sT> std::u8string to_u8string(sT* s, size_t n);

// UTF-16 に変換
template <typename sT> std::u16string to_u16string(sT s);
template <typename iT> std::u16string to_u16string(iT s, iT e);
template <typename sT> std::u16string to_u16string(sT* s, size_t n);

// UTF-32 に変換
template <typename sT> std::u32string to_u32string(sT s);
template <typename iT> std::u32string to_u32string(iT s, iT e);
template <typename sT> std::u32string to_u32string(sT* s, size_t n);

クラス utf8 / utf16 / utf32 共通の静的メソッド

以下のような記述で変換します。

utf8::to_utf16(dest16, src8);  // UTF-8 から UTF-16 に変換
utf32::to_utf16(dest8, src32);  // UTF-32 から UTF-8 に変換

出力先オブジェクトには

value_type 型
push_back メソッド

が必須です。また、引数には 8 / 16 / 32 / 64 ビット単位の領域を渡せますが、必要なビット数未満の領域

UTF-16 への変換に 8 ビット列を指定
UTF-32 への変換に 8 / 16 ビット列を指定

上記条件で変換しようとすると、表現できないコードは特定のコードに置き換えられます。

相互変換は UTF-8/16/32 の 3 形式とビット列(8/16/32/64) が 4 つの 12 種の相互変換なので 144 個の変換になります。

メソッド to_utf8 / to_utf16 / to_utf32

UTF-8/16/32 へ(クラス名)形式の指定データから変換します。

引数 d : 出力先
引数 s : 変換元データ

注意：出力先へ push_back で追記します

返値の utfcvt_result には変換量やエラーが含まれています。

template <typename dT, typename iT> static utfcvt_result to_utf8(dT& d, iT s, iT e);
template <typename dT, typename iT> static utfcvt_result to_utf8(dT& d, iT* s, size_t n);
template <typename dT, typename sT> static utfcvt_result to_utf8(dT& d, sT& s);
template <typename dT, typename sT> static utfcvt_result to_utf8(dT& d, sT* s);

template <typename dT, typename iT> static utfcvt_result to_utf16(dT& d, iT s, iT e);
template <typename dT, typename sT> static utfcvt_result to_utf16(dT& d, sT* s, size_t n);
template <typename dT, typename sT> static utfcvt_result to_utf16(dT& d, sT& s);
template <typename dT, typename sT> static utfcvt_result to_utf16(dT& d, sT* s);

template <typename dT, typename iT> static utfcvt_result to_utf32(dT& d, iT s, iT e);
template <typename dT, typename sT> static utfcvt_result to_utf32(dT& d, sT* s, size_t n);
template <typename dT, typename sT> static utfcvt_result to_utf32(dT& d, sT& s);
template <typename dT, typename sT> static utfcvt_result to_utf32(dT& d, sT* s);

メソッド to_utf8len / to_utf16len / to_utf32len

to_utf8 / to_utf16 / to_utf32 に必要な配列長を取得したいときに使用します。

template <typename iT> static utfcvt_result to_utf8len(iT s, iT e);
template <typename sT> static utfcvt_result to_utf8len(sT* s, size_t n);
template <typename sT> static utfcvt_result to_utf8len(sT& s);
template <typename sT> static utfcvt_result to_utf8len(sT* s);

template <typename iT> static utfcvt_result to_utf16len(iT s, iT e);
template <typename sT> static utfcvt_result to_utf16len(sT* s, size_t n);
template <typename sT> static utfcvt_result to_utf16len(sT& s);
template <typename sT> static utfcvt_result to_utf16len(sT* s);

template <typename iT> static utfcvt_result to_utf32len(iT s, iT e);
template <typename sT> static utfcvt_result to_utf32len(sT* s, size_t n);
template <typename sT> static utfcvt_result to_utf32len(sT& s);
template <typename sT> static utfcvt_result to_utf32len(sT* s);

メソッド getcodelen

1 コード分のデータ量を、先頭のデータから判定して返します。

template <typename cT> static size_t getcodelen(cT c);

クラス	最小	最大
utf8	1	6
utf16	1	2
utf32	1	1

エラー時は 0 を返します。

メソッド getcode

指定されたデータ列の先頭から 1 コード分を取得して返します。

utfcvt_getcres にはデータ量やエラーが含まれています。

template <typename iT> static utfcvt_getcres getcode(iT s, iT e);
template <typename sT> static utfcvt_getcres getcode(sT* s, size_t n);
template <typename sT> static utfcvt_getcres getcode(sT& s);
template <typename sT> static utfcvt_getcres getcode(sT* s);

メソッド putcodelen

1 コード分のデータ量を返します。範囲は getcodelen と同じです。

template <typename cT> static size_t putcodelen(cT c);

メソッド putcode

1 コード分のデータを出力します。

引数 d : 出力先
引数 c : コード

template <typename dT, typename cT> static size_t putcode(dT& d, cT c);

メソッド replacement_character

エラーなどで置換する文字を返します。

static std::uint8_t utf8::replacement_character();   // U+003F = '?'
static std::uint16_t utf16::replacement_character(); // U+FFFD
static std::uint32_t utf32::replacement_character(); // U+FFFD

クラス utf の静的メソッド

クラス utf8 / utf16 / utf32 共通の静的メソッドと同じものが使用可能ですが、引数 s (変換元データ) の型に応じて UTF-8/16/32 を自動判別します。

メソッド cvt

引数の型に従った UTF-8/16/32 相互変換を行います。

引数 d : 出力先 (型より UTF-8/16/32 を自動判定)
引数 s : 変換元データ (型より UTF-8/16/32 を自動判定)

引数 s から、utf8 / utf16 / utf32 を選択し、引数 d から to_utf8 / to_utf16 / to_utf32 を選択します。

注意：出力先へ push_back で追記します

template <typename dT, typename iT> static utfcvt_result cvt(dT& d, iT s, iT e);
template <typename dT, typename sT> static utfcvt_result cvt(dT& d, sT* s, size_t n);
template <typename dT, typename sT> static utfcvt_result cvt(dT& d, sT& s);
template <typename dT, typename sT> static utfcvt_result cvt(dT& d, sT* s);

メソッド cvtlen

メソッド cvt の出力に必要な領域を調査する目的で使用します。cvt と同様の処理を行いますが出力しません。

template <typename dT, typename iT> static utfcvt_result cvtlen(dT& d, iT s, iT e);
template <typename dT, typename sT> static utfcvt_result cvtlen(dT& d, sT* s, size_t n);
template <typename dT, typename sT> static utfcvt_result cvtlen(dT& d, sT& s);
template <typename dT, typename sT> static utfcvt_result cvtlen(dT& d, sT* s);

引数 d は出力先の形式を指定するために使用します。