C++如何将汉字转换为32-126的int类型

在C++中，汉字通常是以UTF-8编码存储的，每个汉字由一到四个字节组成。如果你想将单个汉字（UTF-8序列的第一个字节通常是0x80到0xFF）转换为整数，可以采用以下步骤：

1. **字节序反转**：如果是网络字节序（big-endian），可能需要将字节从大端到小端排列。C++标准库提供了一些函数，如`std::be16toh`和`std::be32toh`，但在大多数现代平台上，这个步骤通常不需要手动做。

2. **提取第一个字节**：对于UTF-8编码，第一个字节通常包含了汉字的类别信息，后续字节则提供额外的编码值。例如，对于一个两字节的汉字，第二个字节的第一个比特会是10。

3. **计算值**：基于第一个字节的信息，创建一个对应的数值。例如，若第一字节是0xC0，那么第二字节应该是110x，这对应的是UTF-8的16位编码范围（0x800 - 0xFFFF）。

#include <vector>
#include <cstdint>

uint16_t utf8ToUCS2(const char* utf8Char) {
    if (*utf8Char <= 0x7F)
        return static_cast<uint16_t>(*utf8Char); // ASCII字符直接返回

    uint16_t result = 0;
    bool isSecondByte = false;

    // 如果是多字节字符
    if (*utf8Char & 0b11000000) { // 高四位是1
        isSecondByte = true; // 这是第二个字节
        result |= (*utf8Char & 0x3F) << 6; // 获取低六位并左移6位
    } else {
        result |= (*utf8Char & 0x3F); // 仅ASCII字符的第一字节，获取低六位
    }

    if (isSecondByte) {
        ++utf8Char;
        if (*utf8Char >= 0xC2 && *utf8Char <= 0xDF) {
            result |= (*utf8Char & 0x3F) << 6; // 第二字节的处理
        } else if (*utf8Char == 0xE0) {
            result |= ((*utf8Char & 0x0F) << 12);
            ++utf8Char;
            if (utf8Char[0] >= 0xA0 && utf8Char[0] <= 0xBF) {
                result |= (*utf8Char & 0x3F) << 6;
            } else {
                throw std::runtime_error("Invalid UTF-8 sequence");
            }
        } else {
            throw std::runtime_error("Invalid UTF-8 sequence");
        }
    }

    return result;
}

请注意，这只是一个基础的示例，实际项目中可能需要处理更复杂的情况，特别是对于错误的输入或者编码非UTF-8的字符。