C中的wchar_t argv — Unicode

Question

GCC是否支持與wmain（）等效的Microsoft？ 我正在編寫C程序，並且需要始終使用Unicode。 如果不是，可以將char轉換為wchar_t嗎？

Answer 1

對於Unicode，您不需要wchar_t 。 您可以將char用於utf-8 Unicode編碼。 另外， wchar_t可以是不同的大小。 在Windows上，它是16位，但是在許多Linux / Unix平台上，它是32位。

有關GCC的更多信息，請參閱我通過Google搜索找到的這篇文章：

http://article.gmane.org/gmane.comp.gnu.mingw.user/22962

（因此，關於您的GCC是否支持wmain問題的答案為“否”。）

Answer 2

C的許多標准字符串函數都與編碼無關。 您可以使用char*存儲UTF-8編碼的字符串，並通過以下方式安全地使用它們：

strcpy strncpy strcat strncat strcmp strncmp strdup strchr 
strrchr strcspn strspn strpbrk strstr strtok

其他一些功能將無法為您提供正確的Unicode字符串結果。 例如， strlen總是計數字節，而不是字符。 可以使用mbstowcs(NULL,s,0)以可移植的方式在C中計算字符數。 它將返回s成功轉換為wchar_t的字符數。 只要已選擇適當的語言環境，此方法就可以與其他支持的編碼一樣適用於UTF-8。

如果您想對Unicode字符串執行高級操作，例如復雜的代碼頁轉換，正則表達式，單詞邊界上的文字換行等，建議您使用ICU之類的優質庫。

請參閱： 在C / C ++中使用Unicode 。

Answer 3

如果確實要使用寬字符串，則mbstowcs會將多字節字符串轉換為wchar_t字符串。 假定多字節字符串位於其中的編碼取決於當前語言環境的LC_CTYPE類別。 必須使用setlocale設置它； 否則，默認情況下您將獲得“ C”語言環境。

問題仍然是在argv使用什么字符編碼。 這可能是UTF-8，也可能是Latin-1這樣的單字節編碼之一。 這取決於您的終端設置。 使用xterm進行實驗，當我在命令行中傳遞“é”時，我得到的argv值會有所不同，具體取決於xterm繼承的LANG的值：對於LANG = en_US.UTF-8，它給出了“ c3 a9”； 對於LANG = en_US，它給出了“ e9”（我認為這是Latin-1。）

您可以首先使用setlocale(LC_CTYPE, "")或setlocale(LC_ALL, "")從環境中獲取語言環境，以使用正確的多字節格式（由環境變量設置）。 但是，如果在啟動終端仿真器后更改了LANG，則會遇到問題。

glibc提供了一些其他更適合字符集轉換的功能-有關更多信息，請參見glibc手冊的“字符集處理”部分。 我的經驗是，將argv中的字符串轉換為給定的編碼非常棘手，可能必須分兩個階段完成：一次將其轉換為wchar_t格式，其次將其從wchar_t轉換為所需的編碼（例如UTF- 8）。

Answer 4

如果要在不使用wmain情況下處理Unicode命令行參數，則可以使用無參數的標准main函數和Windows API函數GetCommandLineW ， CommandLineToArgvW和LocalFree 。 CommandLineToArgvW使用與Microsoft運行時庫相同的命令行解析規則 。