C：char与非ASCII文本数据的unsigned char

Question

这个问题：

What is an unsigned char?

在C中讨论 char 与 unsigned char 与已签名字符方面做得很好。

但是，它并没有直接解决非ASCII文本应该使用的内容。因此，如果我有一个字节数组，表示某些任意字符集中的文本，如UTF-8或Big5（或有时是ASCII），我应该使用 char 或 unsigned char数组

我倾向于使用 char ，因为否则当数组为ASCII并且我使用 strlen 时，gcc会给出关于指针签名的警告。但我想知道什么是正确的。

Answer 1

使用普通字符表示字符。如果需要包含-127 to +127值的有符号整数类型，请使用signed char。使用unsigned char表示无符号整数类型，其值范围为0 to 255。

Answer 2

你问的问题可能比你期望的要广泛得多。

要直接回答，大多数实现使用＆＃34; byte＆＃34;作为底层缓冲区。在这方面，标准uint8_t typedef是你最好的选择。这主要是因为大多数字符集使用可变数量的字节来存储字符，因此单独的字节处理在编码和解码过程中是必不可少的。它还简化了不同的＆＃34; endianess＆＃34;。

之间的转换

一般情况下，对于除ASCII编码或其他单字节代码页（0-255范围）以外的任何内容使用strlen是不正确的。对于像Big5，UTF-8/16或Shift-JIS这样的多字节编码，它肯定是不正确的。