Question

我正在尝试使用printf()调用%s输出Unicode字符/字符串，但它不会打印任何内容。

如果我这样打printf()：

 printf("\xE2\x98\xA0")

我得到☠。

但是，如果我像这样使用%ls：

printf("%ls", "☠")  /* or */
printf("%ls", L"☠") /* or */
printf("%ls", L"\xE2\x98\xA0")

我什么都没打印;

另外，如何在其中声明带有Unicode字符的wchar_t字符串？ wchar_t wstro[50] = L"☠"不起作用。

我需要malloc()一个wchar_t然后将Unicode数据放入其中吗？

Answer 1

您将Unicode与UTF-8混淆，并且两者都与wchar_t混淆。

Unicode是一种抽象的东西，带有代码点，结合了字符和其他属性。

UTF-8是编码Unicode的常用方法，它与ASCII兼容（仅限ASCII字符串），并且与C字符串兼容（因此零终止（字符串中没有其他0字节）。 \xE2\x98\xA0是UTF-8表示。

字符☠可能也以UTF-8编码。这取决于您的编辑器，但编辑通常不使用wchar_t。

所以：使用UTF-8，你应该使用%s而不是%ls。所以你的3次尝试都是错误的。

我是一般的，使用UTF-8等char*和普通的字符串函数（只是在随机字节处不断字符串，但这意味着如果遵循随机UTF-8代码点也不会破坏字符串通过一些组合代码点。

您可以使用wchar_t，但通常使用使用wchar_t的协议，但特别是在这种情况下，您应该格外小心，因为wchar_t的大小无法与所需的字符大小（预期编码的大小）兼容[例如你的系统，所以wchar_t可能只有2个字节，但你可以使用UCS2，但不能使用UTF-32，或者相反，如果系统将wchar_t定义为4个字节）。

因此，请保持简单并尝试仅使用UTF-8，并将其用作普通的C字符串。

Answer 2

此答案假定您使用的是MS Windows

我们非常难过，我们在2018年，这些东西仍然无法正常工作。但事情就是这样：

printf("\xE2\x98\xA0");（与printf("%s", "\xE2\x98\xA0");相同）有效，因为您只输出3个字符到输出流。 C语言中没有出现Unicode或特殊字符处理。您的终端环境在输出中查找UTF-8字符串并相应地选择显示字形。

同样，如果您将输出写入文件（使用fprintf或流重定向），您会看到该文件包含0xE2, 0x98, 0xA0，然后您可以选择使用转换UTF的文本文件查看器-8显示字形。

这部分都很好，您可以（也可能应该）编写程序，只将UTF-8编码的字符写入FILE流。

当我们想要输出wchar_t个字符时，问题就开始了。理论上这应该有效：

printf("%ls", L"\u2620");

应该发生的是调用wcstombs将unicode代码点序列转换为多字节序列。但是使用哪种多字节格式？ UTF-8现在已经无处不在，但过去还有其他格式，如ShiftJIS，Big-5等。

您必须使用setlocale指定多字节格式。 locales的细节是实现定义的。

这是踢球者。 Windows支持的一般UTF-8输出没有C语言环境。如果你尝试setlocale(LC_CTYPE, ".65001");，它就行不通。

您可以使用受支持的区域设置输出Unicode的某些子集。例如the MSDN example使用Japanese_Japan.932工作，输出Unicode输入为Shift-JIS。（不是UTF-8）。

更糟糕的是，如果您使用Windows API函数WideStringToMultiByte，则接受CP_UTF8的“区域设置”。您可以使用此函数将L"\u2620";转换为char缓冲区，并将printf转换为生成UTF-8输出。

但当然，您无法“插入”FILE流处理，只会调用wcstombs而不是WideStringToMultiByte。

为什么他们不允许".UTF-8"作为wcstombs的区域设置？恶意行为？谁知道呢。

理论上应该起作用的下一件事是：

FILE *fp = fopen("a.txt", "w");
fwide(fp, 1);
fwprintf(fp, L"\u2620");

但实际上，MS运行时实际上并没有对fwide做任何事情;它不支持面向广播的流。 wprintf系列的Microsoft实现实际上只输出窄字符，而不是宽字符，并且它们使用与narrow printf系列相同的wcstombs方法。

因此，该代码不起作用，日本wcstombs示例中的代码fwprintf(fp, L"\u3603");（使用.932 CP集）输出多字节序列而不是原始宽字符。

要通过stdio.h API编写UTF-16文件，您实际上别无选择，只能使用窄字符并将其视为二进制文件。

如何用'％s'说明符打印一个unicode字符串？

2 个答案: