如何用'％s'說明符打印一個unicode字符串？

Question

我試圖調用printf()來輸出使用%s的Unicode字符/字符串，但它不會打印任何內容。

如果我像這樣調用printf() ：

 printf("\xE2\x98\xA0")

我得到了一個☠ 。

但是，如果我像這樣使用%ls ：

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

我沒有打印出來;

另外，如何在其中聲明帶有Unicode字符的wchar_t字符串？ wchar_t wstro[50] = L"☠"不起作用。

我需要malloc()一個wchar_t然后將Unicode數據放入其中嗎？

Answer 1

您將Unicode與UTF-8混淆，並且兩者都與wchar_t混淆。

Unicode是抽象的東西，帶有代碼點，結合了字符和其他屬性。

UTF-8是編碼Unicode的常用方法，它與ASCII兼容（僅限ASCII字符串），並且與C字符串兼容（因此零終止（字符串中沒有其他0字節）。 \\xE2\\x98\\xA0是UTF-8表示。

字符☠可能也以UTF-8編碼。 這取決於您的編輯器，但編輯通常不使用wchar_t。

所以：使用UTF-8你應該只使用%s而不是%ls 。 所以你的3次嘗試都是錯誤的。

我一般，使用UTF-8等char*和普通的字符串函數（只是在隨機字節上不斷字符串，但這意味着在隨機UTF-8代碼點之后如果后面跟着一些組合代碼點也不會破壞字符串。

您可以使用wchar_t，但通常使用使用wchar_t的協議，但特別是在這種情況下，您應該格外小心，因為wchar_t的大小無法與所需的字符大小（預期編碼）兼容[例如您的系統等等] wchar_t可能只有2個字節，但是你可以使用UCS2，但不能使用UTF-32，或者相反，如果系統將wchar_t定義為4個字節）。

所以保持簡單並嘗試僅使用UTF-8，並將其用作普通的C字符串。

Answer 2

這個答案假設您在MS Windows中工作

---

很遺憾我們在2018年，這些東西仍然無法正常工作。 但這是事物的狀態：

printf("\\xE2\\x98\\xA0"); （與printf("%s", "\\xE2\\x98\\xA0"); ）相同printf("%s", "\\xE2\\x98\\xA0"); ）有效，因為您只輸出3個字符到輸出流。 C語言中沒有出現Unicode或特殊字符處理。 您的終端環境在輸出中查找UTF-8字符串並相應地選擇顯示字形。

類似地，如果您將輸出寫入文件（使用fprintf或流重定向），您會看到該文件包含0xE2, 0x98, 0xA0然后您可以選擇使用將UTF-8轉換為顯示字形的文本文件查看器。

這部分都很好，您可以（也可能應該）編寫程序，只將UTF-8編碼的字符寫入FILE流。

---

當我們想要輸出wchar_t字符時，問題就開始了。 理論上這應該工作：

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

應該發生的是調用wcstombs將unicode代碼點序列轉換為多字節序列。 但是使用哪種多字節格式？ UTF-8現在已經無處不在，但在過去還有其他格式，如ShiftJIS，Big-5等。

您必須使用setlocale指定多字節格式。 locales的細節是實現定義的。

這是踢球者。 對於一般的UTF-8輸出，Windows不支持C語言環境 。 如果您嘗試setlocale(LC_CTYPE, ".65001"); 它只是不起作用。

您可以使用受支持的語言環境輸出Unicode的某些子集。 例如，使用Japanese_Japan.932 的MSDN示例有效，將Unicode輸入輸出為Shift-JIS。 （不是UTF-8）。

更糟糕的是，如果您使用Windows API函數WideStringToMultiByte ，它確實接受CP_UTF8的“區域設置”。 您可以使用此功能轉換L"\☠"; 到char緩沖區和printf ，生成UTF-8輸出。

但是當然你不能“插入”到FILE流處理，它只調用wcstombs而不是WideStringToMultiByte 。

他們為什么不允許".UTF-8"作為wcstombs的語言環境？ 惡意行為？ 誰知道。

---

理論上應該起作用的下一件事是：

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

但實際上，MS運行時實際上並沒有對fwide做任何事情; 它不支持面向廣播的流。 wprintf系列的Microsoft實現實際上只輸出窄字符，而不是寬字符，並且它們使用與窄printf系列相同的wcstombs方法。

所以，那個代碼不起作用，而日本wcstombs例子中的代碼， fwprintf(fp, L"\㘃"); （使用.932 CP設置）輸出多字節序列而不是原始寬字符。

要通過stdio.h API編寫UTF-16文件，您實際上別無選擇，只能使用窄字符並將其視為二進制文件。