Linux: CP1251 to UTF8

#include <stdio.h>
#include <fcntl.h>
#include <stdlib.h>

//макс. размер буфера для чтения
#define BUFSIZE 512

typedef     signed char             s8;
typedef     unsigned char           u8;
typedef     signed short            s16;
typedef     unsigned short          u16;
typedef     signed int          s32;
typedef     unsigned int            u32;
typedef     signed long long        s64;
typedef     unsigned long long      u64;

//кириллическая таблица CP1251
//
    const   u8      cp1251_cyrillic_table[] = {  

                0xC0, 0xC1, 0xC2, 0xC3, 0xC4, 0xC5, 0xA8, 0xC6,
                0xC7, 0xC8, 0xC9, 0xCA, 0xCB, 0xCC, 0xCD, 0xCE, 0xCF,
                0xD0, 0xD1, 0xD2, 0xD3, 0xD4, 0xD5, 0xD6, 0xD7,
                0xD8, 0xD9, 0xDA, 0xDB, 0xDC, 0xDD, 0xDE, 0xDF,

                0xE0, 0xE1, 0xE2, 0xE3, 0xE4, 0xE5, 0xB8, 0xE6,
                0xE7, 0xE8, 0xE9, 0xEA, 0xEB, 0xEC, 0xED, 0xEE, 0xEF,
                0xF0, 0xF1, 0xF2, 0xF3, 0xF4, 0xF5, 0xF6, 0xF7,
                0xF8, 0xF9, 0xFA, 0xFB, 0xFC, 0xFD, 0xFE, 0xFF

                };

//кириллическая таблица UTF8
//
    const   u16     utf8_cyrillic_table[] = {
               
                0xD090, 0xD091, 0xD092, 0xD093, 0xD094, 0xD095, 0xD081, 0xD096,
                0xD097, 0xD098, 0xD099, 0xD09A, 0xD09B, 0xD09C, 0xD09D, 0xD09E, 0xD09F,
                0xD0A0, 0xD0A1, 0xD0A2, 0xD0A3, 0xD0A4, 0xD0A5, 0xD0A6,
                0xD0A7, 0xD0A8, 0xD0A9, 0xD0AA, 0xD0AB, 0xD0AC, 0xD0AD, 0xD0AE, 0xD0AF,

                0xD0B0, 0xD0B1, 0xD0B2, 0xD0B3, 0xD0B4, 0xD0B5, 0xD191, 0xD0B6,
                0xD0B7, 0xD0B8, 0xD0B9, 0xD0BA, 0xD0BB, 0xD0BC, 0xD0BD, 0xD0BE, 0xD0BF,
                0xD180, 0xD181, 0xD182, 0xD183, 0xD184, 0xD185, 0xD186,
                0xD187, 0xD188, 0xD189, 0xD18A, 0xD18B, 0xD18C, 0xD18D, 0xD18E, 0xD18F,

                };

//буффер для хранения данных
    u8      utf8_buffer[BUFSIZE + BUFSIZE];

//общее число символов, предназначенных для записи в файл перед каждым очередным чтением исходного файла

    u64     total_utf8_symbols = BUFSIZE;

//
u8* is_cyrillic( u8 code ) {

    u8 i;
    u8* pos;

    if( code != 0xA8 && code != 0xB8 && (code < 0xC0 || code > 0xFF) )
        return pos = NULL;

    for( i = 0; i < sizeof( cp1251_cyrillic_table ) / sizeof( cp1251_cyrillic_table[0] ); ++i )
        if ( code == cp1251_cyrillic_table ) {
            pos = &cp1251_cyrillic_table;
        }

return pos;
}


void cp1251_to_utf8( u8* cp1251_pointer, u8* to_replace ) {

    u8 i;

//так определяем индекс cp1251-кода
    for( i = 0; *cp1251_pointer != 0xC0; --cp1251_pointer, ++i );
       
//вычленяем левый и правый байты utf8-кода, ибо буфер для записи имеет тип элементов u8

    u8  utf8_left_code = (utf8_cyrillic_table >> 8);
    u8  utf8_right_code = (utf8_cyrillic_table & 0x00ff);

    *to_replace = utf8_left_code;
    *(to_replace + 1) = utf8_right_code;

}


void replace_array( u8* array, int pos ) {

    int i;

    for( i = total_utf8_symbols - 1; i >= pos; --i )
        *(array + i + 1) = *(array + i);

}


int main( int argc, char* argv[] ) {

    u8*     CP1251 = cp1251_cyrillic_table;
    u16*    UTF8 = utf8_cyrillic_table;

//описатель исходного файла
//
    int infd;

//описатель формируемого файла
//
    int outfd;

//получаем имена файлов, пока без проверки входящих данных
//
    const char* infile = argv[1];
    char*       outfile = argv[2];

//открываем файл для чтения
    if( (infd = open(infile, O_RDONLY)) == -1 ) {
        fprintf(stderr, "Can't open file for reading...Exiting...\n");
        exit( EXIT_FAILURE );
    }

//создаём новый файл
    outfd = creat(outfile, 0644);

//цикл чтения блоками из файла
    while (read( infd, utf8_buffer, BUFSIZE ) > 0) {

        u32 i;

//сканируем полученные коды на предмет кириллических
        for( i = 0; i < BUFSIZE; ++i ) {

/*
is_cyrillic() проверяет, является ли символ кириллическим. Если да, то возвращает его адрес в таблице кириллических кодов

replace_array() подвигает содержимое буфера на один байт, начиная с позиции, следующей за найденным кириллическим символом, чтобы вместить туда utf-символ, т.к. он занимает на 1 байт больше, чем символ cp1251.

cp1251_to_utf8() собственно, занимается заменой найденного cp1251 кода на код utf8.

++total_utf8_symbols - увеличиваем общее число байт буфера, т.к. с каждым заменённым символом буфер увеличивается на один байт по сравнению с исходным буффером cp1251 символов.

++i - увеличиваем индекс просматриваемого элемента в буфере
*/

            if( ( CP1251 = is_cyrillic( utf8_buffer ) ) != NULL ) {
                replace_array( utf8_buffer, i + 1 );
                cp1251_to_utf8( CP1251, &utf8_buffer );
                ++total_utf8_symbols;
                ++i;
            }
        }

//пишем то, что получилось в файл.

        write( outfd, utf8_buffer, total_utf8_symbols );

    }
    close( infd );
    close( outfd );

return 0;
}