如何检查字符是否在C中是扩展的ASCII字符？

Question

每次我执行类似于以下情况的操作时，都会收到“多字符”警告。

    char str[] = "León";

    if(str[2] == 'ó') printf(true);

我该如何解决？

Answer 1

除非平台上的编码使得'ó'可以适合char ，否则'ó'是一个多字符常量。 从收到的消息来看，这似乎是平台上的后者。 多字符常量的值由实现定义 。 换句话说，数值的选择要取决于实现，并且要有一些约束（例如，它必须在平台的char范围之外）。

可悲的是，当您编写char str[] = "León"; ，第三个元素将使用缩小转换转换为char ，或者分解为多个char并连接到char[]数组。 因此，尝试将其与'ó'进行比较将是徒劳的。

Answer 2

您将需要使用wchar_t类型或unicode库。 wchar_t臭名昭著，因为它有许多陷阱和容易犯的错误，但这是C ++编译器可用的最佳原始类型。

您需要使用所有支持wchar_t变量，例如std::wcout或wprintf 。

编辑： wchar_t已由char16_t和char32_t取代。 Unicode标准4.0建议在必须在平台之间移植代码的情况下使用它们，因为wchar_t的大小取决于平台（就像int一样）。

我建议找到一个好的Unicode库来处理由多个代码点组成的许多字符之间的比较！

另一个选择是完全遵循本机char类型，该类型通常被解释为某些特定于语言环境的ASCII。

Answer 3

如果要使用扩展的ASCII字符，请使用其八进制值。

我正在使用表http://www.asciitable.com/ ，我想您需要的值为162（十进制）=242。因此，请使用str[] = "Le\\242n" ;

并在比较中使用相同的内容。

Answer 4

ASCII是7位字符编码，它对字符0 ... 127编号。 ASCII兼容的编码保留了这些字节的含义。 编码为c < 0或c > 127任何字符都不能为ASCII字符。 有时可以通过各种令人困惑的名称来调用这些名称，例如“ Extended ASCII”等。

在Unicode中，ASCII字符仍然是Unicode代码点范围的字符0 ... 127。

---

问题不在于ó是扩展字符，而是源文件实际上是UTF-8 ，因此ó编码为2个字节 。 C中的char代表在其他地方通常称为字节的事物。

C还支持宽字符字符串，其中每个字符都是UTF-16，UCS-2，UTF-32或其他一些代码点。 您的ó （很可能）是一个wchar_t 。

不幸的是，你在这里打开一罐蠕虫，因为符号ó也可以写成Unicode的2点独立的方式：它可以写成一个代码点ó或字母o其次是组合重音符́ ; 两者都有相同的语义信息，但是它们将由不同的字节组成。 即使将其转换为wchar_t字符串，它们仍然具有不同的顺序。 除了在C11中（在UTF-8中明确支持字符文字）之外，C标准库根本不处理Unicode。 C标准仍然没有提供将UTF-8编码的文本数据转换为wchar_t可移植方式； 既不它可以做归一化，如ó到o ́反之亦然。

Answer 5

你可以做类似的事情

if (sizeof("ó") > 2) ...

如果这只是一个char则字符串的长度为2 ，一个为字符，一个为结尾0 。 否则，如果不合适，编译器将分配更长的序列。

Answer 6

当您将源文件提供给编译器时，必须告诉您在源代码编辑器（源字符集）中使用了哪种字符编码。 我的猜测是UTF-8，将ó编码为0xC3 0xB3。 这似乎是对的。

但是'ó'会成为一个整数，其值超出您的char范围（请参见<limits.h> ）。 因此，它们之间==上的警告。

顺便说一句-“扩展ASCII”中有一些含义，但含义不多。 “扩展ASCII”字符集必须在一个字节中对每个代码点进行编码。 因此，UTF-8不是许多“扩展ASCII”字符集之一的编码。