歡迎來到Linux教程網
Linux教程網
Linux教程網
Linux教程網
Linux教程網 >> Unix知識 >> 關於Unix >> SMS中用Unicode編碼發送中文的辦法

SMS中用Unicode編碼發送中文的辦法

日期:2017/3/6 15:47:59   编辑:關於Unix
SMS是由Esti 所制定的一個規范(GSM 03.40 和 GSM 03.38)。有兩種方式來發送和接收SMS消息:文本模式或者PDU(protocol description unit)模式。文本模式只能發送普通的ASCII字符,而要發送圖片、鈴聲、其它編碼的字符(如中文)就必須采用PDU模式。 PDU模
  SMS是由Esti 所制定的一個規范(GSM 03.40 和 GSM 03.38)。有兩種方式來發送和接收SMS消息:文本模式或者PDU(protocol description unit)模式。文本模式只能發送普通的ASCII字符,而要發送圖片、鈴聲、其它編碼的字符(如中文)就必須采用PDU模式。
  
  PDU模式中,可以采用三種編碼方式來編碼要發送的內容,分別是 7-bit編碼、8-bit編碼、16-bit編碼。7-bit編碼用於發送普通的ASCII字符;8-bit編碼通常用於發送數據消息,比如圖片和鈴聲等;而16-bit編碼用於發送Unicode字符。在這三種編碼方式下,可以發送的最大字符數分別是 160、 140、 70。
  
  若要發送中文(或日文等),必須采用PDU模式的Unicode編碼方式。
  
  我最近參與了一個在linux下收發短信的項目。其中,需要實現中文的發送和接收。由於原來沒有中文編碼、Unicode編碼的經驗,所以查了一些資料,也在一些論壇上提了一些問題。現在把它整理出來,希望對以後再做類似項目的朋友有個幫助。我寫的比較簡單,關於PDU的規范,可以看這裡:http://www.ascend-tech.com.cn/sustain/SMS_PDU-mode.pdf ,或者去wavecom的網站上找找看。
  
  1、 GB2312 編碼到Unicode 編碼的轉換
  在 Redhat 7.3系統上,默認是用GB2312編碼保存中文字符的(對於中英文混合的文本也是如此)。所以首先需要把 GB2312 編碼的字符串轉換到 Unicode編碼的字符串。GB2312編碼是一種多字節編碼方式,對於中文,用2個字節表示,對於英文,用1個字節表示,就是英文的ascii碼。(注:我沒有仔細看過GB2312編碼的規范,以上理解是實際開發中得出來的,不能保證正確性)。Unicode編碼是雙字節編碼方式,對所有字符,都采用2個字節編碼。在linux平台上,GB2312編碼到Unicode編碼的轉換,可以有三種實現方式(或者更多):
  1)、用 mbstowcs () 函數。就是多字節編碼到寬字符的轉換。我試過它,可以正確的轉換,但是這個函數可能不是很可靠。
  
  2)、用 GB2312 à Unicode 的轉換表,手動查表轉換。網上有這樣的轉換表,你需要對每一個GB2312字符,根據它是中文字符還是英文字符,分別轉換。
  
  3)、用 iconv () 函數。這可能是linux上的標准的方法,不僅可以轉換GB2312到Unicode,還可以在任意的兩種編碼之間轉換(前提是linux系統要支持這些編碼)。
  首先要用 iconv_open(), 打開一個轉換句柄,指定兩種轉換前的編碼和轉換後的編碼。
  然後用 icnov() 作轉換。最後用 iconv_close()關閉句柄,釋放資源。
  
  #include <iconv.h>
  
  #define BUFLEN 200
  char inbuf[BUFLEN];
  char outbuf[BUFLEN];
  char* pin = inbuf;
  char* pout = outbuf;
  
  …打開文件,讀入GB2312數據到inbuf,數據長度為 len
  
  int inleft = len;
  int outleft = BUFLEN;
  
  iconv_t cd;
  if((cd = iconv_open(“gb2312”, “unicode”)) == (iconv_t)-1)
  return –1;
  if(iconv(cd, &pin, &inleft, &pout, &outleft) == (size_t)-1)
  return –1;
  iconv_close(cd);
  
  使用 iconv () 時,需要注意參數的使用,inleft 是輸入緩沖區數據數據長度,outleft是輸出緩沖區大小。(需要保證輸出緩沖區足夠大)。
  轉換以後,outleft 是outbuf中空閒空間的大小,所以 BUFLEN-outleft 才是真正的Unicode數據長度。
  注意:不論是GB2312編碼,還是Unicode編碼,在內存中都是一些字節序列,所以我們可以統一用 類型為 char(或者unsigned char)的字符數組來保存。所以,BUFLEN-outleft 是 字符(char)個數,而不是Unicode字符個數。
  
  2、 Unicode 編碼到 16-bit 編碼的轉換
  在得到 Unicode編碼以後,還需要轉換到 PDU 的16-bit 編碼,才可以正確的發送。在這個轉換過程中,需要注意兩點:
  1)、Unicode 編碼最開始的 0xFEFF標志要被去除,在0xFEFF之後的內容,才是真正的Unicode字符。(至於為什麼有這個0xfeff標志,知道的朋友告訴我一聲,呵呵)。
  
  2)、Unicode 是雙字節字符,由於我的系統是小端字節序(little-endian),也就是說,在存儲的時候,是先低位,後高位,例如“中”的Unicode編碼是 0x4E2D,存儲的時候是 2D4E,在轉換到 16-bit編碼的時候,要注意這個順序的不同。當然,如果你的系統是大端字節序(big-endian),那麼就不用這樣做了。
  
  OK,關於如何將 0x4E2D 的Unicode編碼轉換到 “4E2D” 的16-bit編碼,我就不多寫了。
  
  3、正確計算16-bit 編碼的消息體長度
  4、正確設置 First-Octet 、TP-MR、TP-PID、TP-DCS、TP-VP
  在PDU格式中,First-Octet 、TP-MR、TP-PID、TP-DCS、TP-VP的設置正確與否,對能否發送 Unicode 至關重要。根據協議規范以及我的調試結果,以上幾個標志的正確設置分別為(都是16進制):
  First-Octet : 11
  TP-MR : 00
  TP-PID : 00
  TP-DCS : 08 (編碼方式,16-bit)
  TP-VP : A7

Copyright © Linux教程網 All Rights Reserved