C中putchar的字符集

Question

我試圖弄清楚putchar使用什么字符集。 看來，它不能打印多字節字符：

putchar('€') //gcc warning: multi-character character constant

但是，當使用chcp 1252將Windows中終端的代碼頁設置為1252（西歐拉丁語）時，以下代碼將能夠打印歐元符號：

putchar(128)

但是，即使終端的字符集設置為1252，putchar（'€'）也無法打印歐元符號。

有人可以向我解釋以上（似乎）差異嗎？

非常感謝你。

Answer 1

實際上，C中的char表示“字節”，而不是“字符”

您的源文件很可能使用UTF-8編碼，其中歐元符號編碼為以下3個字節：0xE2 0x82 0xAC。

顧名思義， putchar寫入單個字節。 C作為一種語言沒有“字符”或“編碼”的概念，默認情況下，GCC使用在源文件中找到的確切字節。 因此，在您的情況下，它將向標准輸出輸出字節0xAC（ '€'的最低有效字節）。 在編輯器中看起來是什么樣子，或者文件應該是哪種編碼都沒有關系。 GCC不區分大小寫，它按原樣復制字節。

給定程序中的字節流，終端顯示的內容僅取決於該終端的設置。 如果要在Windows終端中顯示UTF-8編碼的文本，則應輸入chcp 65001並將字體更改為Lucida。

由於您的編輯器根據指定的編碼顯示字節，並且終端使用某種編碼顯示相同的字節，因此（只要您使用默認設置使用GCC或Clang），如果編輯器和終端使用相同的編碼，您應該看到兩個程序中的相同字符。

編輯：關於GCC如何處理編碼的一些評論：

有兩個選項： -finput-charset和-fexec-charset 。 僅當這兩個選項相同時，GCC才會按字面意義處理狹義字符串和char文字中的字節。 如果不是，則GCC會將其從輸入編碼轉換為exec編碼。

經過一些測試，我得出的結論是，由於某種原因，您的GCC可以將Windows-1250作為輸入編碼，將UTF-8作為exec編碼運行。

如果要真正確定使用的是正確的編碼，請在編譯器選項中添加-finput-charset=cp1250 -fexec-charset=cp1250 。

同樣，如果需要，您可以通過這種方式使程序以控制台的默認編碼運行。