在C字符串操作中处理中文字符

Question

众所周知，在C中，字符串由char s。

数组表示

在大多数32位处理器中，char占用一个字节或八位。字符串由一个byte s的数组组成。

因为像中文和日文这样的扩展字符占用更多位而不是8位，所以我对此处的内容感到有些困惑。

例如，我测试过我可以使用类似char array[100]的语法定义一个中文字符数组，就像定义英文字母数组一样。所以我的问题是：

是否有一种机制试图弥合一般8位字符和大于8位字符之间的差距，以便它们被视为相同，就像我上面提到的那样。

Answer 1

是的，使用多字节字符编码。这是一个相当广泛的主题，但从以下内容开始：

• wchar
• Unicode
• UTF-8（允许使用基于字符的函数操作字符串）。

Answer 2

我建议使用UTF8字符串编码，因为它可以像往常一样使用普通（字节＆lt; = 127）字符，此外，你将能够使用两个，三个或者通过检测Unicode控制字符（字节＆gt; = 128）的四字节字符。您还可以使用libiconv来解决一些相关问题。 http://www.gnu.org/software/libiconv/