UTF-16解码器未按预期工作

我的Unicode库中有一部分将UTF-16解码为原始Unicode代码点。然而,它并没有像预期的那样工作。

typedef struct string {
    unsigned long length;
    unsigned *data;
} string;

string *upush(string *s, unsigned c) {
    if (!s->length) s->data = (unsigned *) malloc((s->length = 1) * sizeof(unsigned));
    else            s->data = (unsigned *) realloc(s->data, ++s->length * sizeof(unsigned));
    s->data[s->length - 1] = c;
    return s;
}

typedef struct string16 {
    unsigned long length;
    unsigned short *data;
} string16;

string u16tou(string16 old) {
    unsigned long i, cur = 0, need = 0;
    string new;
    new.length = 0;
    for (i = 0; i < old.length; i++)
        if (old.data[i] < 0xd800 || old.data[i] > 0xdfff) upush(&new, old.data[i]);
        else
            if (old.data[i] > 0xdbff && !need) {
                cur = 0; continue;
            } else if (old.data[i] < 0xdc00) {
                need = 1;
                cur = (old.data[i] & 0x3ff) << 10;
                printf("cur 1: %lx\n", cur);
            } else if (old.data[i] > 0xdbff) {
                cur |= old.data[i] & 0x3ff;
                upush(&new, cur);
                printf("cur 2: %lx\n", cur);
                cur = need = 0;
            }
    return new;
}

它是如何工作的?

string string16 用于16位值,如UTF-16。全部 upush 是否将完整的Unicode代码点添加到 一串

u16tou 是我关注的部分。它在整个 字符串16

有什么问题吗?

让我们试试最高的代码点,好吗?

U+10FFFD 最后一个有效的Unicode码位编码为 0xDBFF 0xDFFD

string16 b;
b.length = 2;
b.data = (unsigned short *) malloc(2 * sizeof(unsigned short));
b.data[0] = 0xdbff;
b.data[1] = 0xdffd;
string a = u16tou(b);
puts(utoc(a));

使用 utoc (未显示;我知道它正在工作(见下文))函数将其转换回UTF-8 char * U+0FFFFD ,不是 U+10FFFD型 因此。

在中手动执行所有转换 gcalctool工具 结果是相同的,错误的答案。所以我的语法本身没有错,但是算法是错的。不过,这个算法对我来说似乎是正确的,但结果却是错误的。

我做错什么了?