Question

我读到C没有定义char是有符号还是无符号，并且在GCC页面中这表示它可以在x86上签名并且在PowerPPC和ARM中无符号。

Okey，我正在用GLIB编写一个程序，将char定义为gchar（不超过它，只是标准化的一种方式）。

我的问题是，UTF-8怎么样？它使用的不仅仅是一块内存吗？

说我有一个变量

unsigned char * string =“我的字符串，带有UTF8 enconding~＆gt;çã”;

如果我将变量声明为

，请参阅

无符号

我只有127个值（所以我的程序会存储更多的mem块）或者UTF-8也会变为负值？

很抱歉，如果我无法正确解释，但我认为我有点复杂。

注意：谢谢你的回答

我不明白它是如何正常解释的。

我认为就像ascii一样，如果我的程序中有一个带符号和无符号的字符，那么字符串就会有不同的值，这会导致混淆，想象一下它在utf8中。

Answer 1

我有几个要求解释我发表的评论。

当您比较字符并期望某个排序时，char类型可以默认为有符号或无符号类型这一事实可能很重要。特别是，UTF8使用高位（假设char是8位类型，在绝大多数平台中都是如此），以指示字符代码点需要表示多个字节。 / p>

问题的一个快速而肮脏的例子：

#include <stdio.h>
int main( void)
{
    signed char flag = 0xf0;
    unsigned char uflag = 0xf0;

    if (flag < (signed char) 'z') {
        printf( "flag is smaller than 'z'\n");
    }
    else {
        printf( "flag is larger than 'z'\n");
    }    


    if (uflag < (unsigned char) 'z') {
        printf( "uflag is smaller than 'z'\n");
    }
    else {
        printf( "uflag is larger than 'z'\n");
    }
    return 0;
}

在我工作的大多数项目中，通常使用明确指定char的typedef来避免使用未加修饰的unsigned char类型。类似uint8_t或

中的stdint.h

typedef unsigned char u8;

一般来说处理unsigned char类型似乎运行良好并且几乎没有问题 - 我偶然遇到的一个问题是使用那种类型的东西来控制循环：

while (uchar_var-- >= 0) {
    // infinite loop...
}

Answer 2

使用unsigned char有其优点和缺点。最大的好处是你没有得到符号扩展或其他有趣的功能，如签名溢出，这会产生意外的计算结果。无符号字符也与＆lt; cctype＆gt;兼容宏/函数，如isalpha（ch）（所有这些都需要unsigned char范围内的值）。另一方面，所有I / O函数都需要char *，只要你进行I / O操作就需要进行转换。

对于UTF-8，将它存储在有符号或无符号数组中是可以的，但是你必须小心那些字符串文字，因为它们几乎不能保证它们是有效的UTF-8。 C ++ 0x添加了UTF-8字符串文字以避免可能出现的问题，我希望下一个C标准也可以采用这些文字。

一般情况下，只要确保源代码文件始终采用UTF-8编码，就应该没问题。

Answer 3

两件事：

char类型是有符号还是无符号不会影响您将UTF8编码字符串转换为您正在使用的任何显示字符串类型（WCHAR或其他）的能力。不要担心，换句话说：UTF8字节只是字节，无论你使用什么作为编码器/解码器都会做正确的事情。
您的一些困惑可能是您尝试这样做：
```
unsigned char *string = "This is a UTF8 string";
```
不要这样做 - 你混合了不同的概念。 UTF-8编码的字符串只是一个字节序列。 C字符串文字（如上所述）并没有真正用于表示这一点;它们旨在表示“ASCII编码”字符串。虽然在某些情况下（比如我的），它们最终会成为同一个东西，但在问题的例子中，它们可能不会。当然在其他情况下他们不会。从外部资源加载Unicode字符串。一般来说，我要警惕在.c源文件中嵌入非ASCII字符;即使编译器知道如何处理它们，工具链中的其他软件也可能不会。

Answer 4

signed / unsigned只影响算术运算。如果char是无符号的，那么更高的值将是正数。如果签字，他们将是负面的。但范围仍然相同。

Answer 5

实际上，unsigned / signed未指定变量可容纳的值。它指定了解释的方式。

因此，unsigned char与signed char具有相同数量的值，除了一个具有负数而另一个不具有负数。它仍然是8位（如果我们假设char保持8位，我不确定它到处都有。）

Answer 6

将char *用作字符串时没有区别。签名/未签名的唯一时间会产生影响，如果您将其解释为数字，例如算术，或者您将其打印为整数。

Answer 7

不能假定

UTF-8个字符存储在一个字节中。 UTF-8字符可以是1-4字节宽。因此，char，wchar_t，signed或unsigned不足以假设一个单位总是可以存储一个UTF-8字符。

大多数平台（例如PHP，.NET等）都可以正常构建字符串（例如C中的char[]）并使用库在字符串之间转换编码和解析字符。 / p>

Answer 8

关于你的问题：

如果我有一个烧焦或未签名的字符阵列可以让我的程序运行错误？ - drigoSkalWalker

是。我做了。如果使用普通的签名字符，那么从我的应用程序中看到一个简单的可运行的摘录，完全出错了。将所有字符更改为无符号in参数后尝试运行它。像这样：

int is_valid（ unsigned char c）;

然后它应该正常工作。

#include <stdio.h>

int is_valid(char c);

int main() {

    char ch = 0xFE;
    int ans = is_valid(ch);
    printf("%d", ans);

}

int is_valid(char c) {
    if((c == 0xFF) || (c == 0xFE)) {
    printf("NOT valid\n");
        return 0;
    }
    else {
        printf("valid\n")
        return 1;
    }
}

它的作用是验证char是否是utf-8中的有效字节。 0xFF和0xFE在utf-8中不是有效字节。如果函数将其验证为有效字节，请设想问题？

这是怎么回事：

0xFE
= 
11111110 
= 
254

如果将其保存在普通字符（已签名）中，则最左边的位（最高位）使其为负数。但它的负数是多少？

它通过翻转位并添加一位来实现。

11111110
00000001
00000001 + 00000001 =
00000010 = 2

并且记住它使它变为负数，因此变为-2

所以（-2 == 0xFE）在函数中是不正确的。同样适用于（-2 == 0xFF）。

因此，检查无效字节的函数最终会验证无效字节，就像它们没问题一样：-o。

在处理utf-8时，我可以想到坚持无符号的另外两个原因是：

如果您可能需要向右移位一些，可能会有麻烦，因为如果使用签名字符，您最终可能会从左侧添加1。
utf-8和unicode只使用正数，所以...为什么不这样做？保持简单：）

关于编码签名/未签名的字符C问题

8 个答案: