Latex 書籤中文亂碼解決方案

Latex 書籤中文亂碼解決方案

作者：playerc

本文連結：http://www.cnblogs.com/playerc/archive/2013/05/20/latex_utf8_bookmark_c.html

最近使用 pdflatex 寫文檔的時候，發現 utf8 書籤中文出現亂碼，網上搜尋，發現一個有價值的解決方案。

他使用一個 python 實現的轉碼方案。下文中簡稱 方案1

http://www.thinkemb.com/wordpress/?p=260

我就照著寫了個 c 語言的。程式的原理在 方案1 中說的很明白，就是  pdflatex 產生含有 書籤或目錄 的pdf檔案時，需要執行兩次，第一次先產生一些準備檔案，比如  *.out ，這個檔案就是儲存了書籤資訊。第二次再根據第一次產生的檔案產生 含有書籤或目錄的 pdf 檔案，也就是說，第一次執行時，產生的pdf檔案不包含書籤或目錄。

關於書籤亂碼的原因，就是當pdf閱讀器讀取書籤時，只能識別 UNICODE 編碼，當我們使用的tex文本環境是utf8或gbk 編碼時，產生的 *.out 也就使用了 utf8或gbk編碼，產生的pdf也同樣保留了編碼。所以pdf書籤中包含的非 ascii 字元就出現亂碼了。

這個 轉換工具 所做的工作，就是把 *.out 中書籤名字串由 utf8編碼轉換成unicode 編碼。需要用到 utf8 編碼知識，和 unicode編碼知識。

使用gcc 或 vs 編譯後，使用命令列，運行

  utf82uni  <  src.out  > dst .out

src.out 是準備轉換的檔案，dst.out是轉換後的檔案。

/** * utf82uni.c -- translate bookmark names  in Latex's .out file,Utf8 encoded to Unicode; 
 * compile:　cc -o utf82uni utf82uni.c */#include<stdio.h>#define UNICODE_PREFIX "\\376\\377"#define UTF8_MAX_BYTES (6)#define UTF8_THREE (14)void init_int_array(int * array, int length){    while(length>0){        *(array+(--length)) = 0;    }}//eo init_int_arrayint main(int argc,char *argv[]){    int bi;    //byte number        int str[UTF8_MAX_BYTES]={0}; //all byte    int gb[2]={0};    int i;        int is_begin = 0; //is begin translate    int count_brace = 0;     int is_brace_begin = 0;    int is_brace_end = 0;    int is_line_end = 0;    while(!feof(stdin)){        i=0;        init_int_array(str,UTF8_MAX_BYTES);        bi = fread(&str[0],1,1,stdin);        is_brace_begin =  ((str[0]&0x7f) == '{') ? 1:0;        is_brace_end =  (str[0]&0x7f) =='}' ? 1:0;        is_line_end = (str[0]&0x7f)=='\n' ? 1:0;        if(is_brace_begin||is_brace_end){            count_brace ++;        }else if(is_line_end){            count_brace=0;        }        if((count_brace !=3)                || is_brace_begin                 ||is_brace_end){            fwrite(&str[0],bi,1,stdout);            is_begin = 0;            continue;        }        // count_brace == 3 ,translate Utf8 code to Unicode with \ooo format;                if(is_begin == 0){            printf(UNICODE_PREFIX);            is_begin = 1;        }        if(((str[0]>>4)&0xff)== UTF8_THREE ){            bi = 3;            for(i=1; (i< bi) && (!feof(stdin)); i++){                fread(&str[i], 1, 1, stdin);            }            init_int_array(gb, 2);            /**             * 1110xxxx , 10 xxxx xx , 10 xxxxxx              */            gb[0] = ((str[0]<<4)&0xF0)|((str[1]>>2)&0x0F);            gb[1] = ((str[1]<<6)& 0xF0) | ((str[2])& 0x3F);            printf("\\%03o\\%03o",gb[0],gb[1]);        }else{            printf("\\%03o\\%03o",0,(str[0])&0x7f);        }    }//eof while    return 0;}//eof main