读取utf8字符串并将其写入文件

Question

如果我在C中有UTF8编码的字符串（基本上是char或unsigned char ？-数组），并且我想从文件中写入和读取它（例如，以二进制模式）。 与仅编写/读取ASCII字符相比，我需要做些什么？

Answer 1

简短答案：不，没什么不同

更长的答案：一如既往，这取决于..

这取决于您以后将用来读取文件的内容。 如果是其他应用程序，则可能需要通过在前面粘贴一个UTF-8 BOM来提示该文件是UTF-8编码的文本。 但是，通常不鼓励这样做，因此您通常可以回复简短的答案！

但是，您的注释暗示您对处理 char数组感兴趣，而不是简单地读取/编写它。 是的，您可能需要完全根据您想做的事情来做不同的事情。 由于单个“ unicode字符”可以被编码为数组中的多个字节，因此对于某些操作（例如，计算文本中的字长），您需要了解多字节字符。 但是，因为UTF8中的所有“额外”字节都设置了高位，所以您永远都不会将它们与普通字符混淆。 因此，诸如字符串搜索和替换之类的事情通常都是按照常规ASCII进行的。

Answer 2

如果您只是提出要求（不进行字符计数或修改），则不必担心。 在具有gcc的Linux上，您甚至可以将UTF8放在源代码中的字符串中，并且效果很好。

例如：

 puts("řčšéíčšřáčéířáéíščřáéíčřáščéřáěéířěéčšě"); //Will work correctly on Linux

例如，仅č不会由单个char表示。

Answer 3

只要您没有实际使用符号进行数学运算就可以，那么您应该会很好。

UTF8期望每个字符“单位” 至少 8位，并且保证有符号或无符号的C字符都具有这些。 没什么不同-当然， 除了当您习惯将“ a”加到“ b”（对文本进行无意义的操作）或在整数之间进行转换（与使用“ regular”进行转换一样好）时ASCII文本偶尔带有高ASCII字符，即，如果您在可能发生转换的情况下进行转换，则应该没事。

这样就可以了：如果您打算显示输出，则可能要使用与输出库相同的类型（有符号或无符号）。

如果必须将UTF8输出到屏幕控制台（OSX的Terminal窗口，它完全能够显示UTF8），则可以使用常规的char字符串，因此可以使用标准的stdlib和string函数。