用C语言在终端中打印多字节字符

我一直在试验一个自定义字符串对象（struct），它看起来像这样：

typedef struct
{
    int encoding;
    int length;
    character * array;
} EncodedString;

其思想是，通过指定编码，我可以生成一些使用该编码正确打印字符串的函数，即ASCII或utf-8或utf-16等（请原谅我对字符编码的无知）

现在，我正在尝试打印一个（普通话）汉字：狗 （0x72d7）。我想也许通过逐字打印，它会正常工作，但显然不行。它只打印“r？”（分别为0x72和0xd7）。那么，我如何修改这个程序，使其打印字符

#include <stdio.h>

typedef unsigned char character;

typedef struct
{
    int encoding;
    int length;
    character * array;
} EncodedString;

void printString(EncodedString str);

int main(void)
{

    character doginmandarin[] = {0x72U, 0xd7U};
    EncodedString mystring = {0, sizeof doginmandarin, doginmandarin};

    printString(mystring);
    printf("\n");

    return 0;

}

void printString(EncodedString str) // <--- where I try to print the character
{
    int i;
    for(i = 0; i < str.length; i++)
    {
        printf("%c", str.array[i]);
    }
}

#包括
typedef无符号字符；
类型定义结构
{
整数编码；
整数长度；
字符*数组；
}编码字符串；
无效打印字符串（EncodedString str）；
内部主（空）
{
字符doginmandarin[]={0x72U，0xd7U}；
EncodedString mystring={0，doginmandarin的大小，doginmandarin}；
printString（mystring）；
printf（“\n”）；
返回0；
}
void printString（EncodedString str）//数字
Ox72d7
是要打印的字符的Unicode码点（抽象数字）。当在内存中用两个字节表示为0x72、0xd7时，它将成为该字符的UCS-2代码，而该字符恰好也是其UTF-16编码。但您的终端可能需要UTF-8编码字符。代码点
Ox72d7
的正确UTF-8编码为
0xe7、0x8b、0x97

您可以修改代码以使用UTF-8编码的字符，但是这种编码对于内存表示非常不切实际，因为它为不同的字符生成不同的字节数。这使得获取第n个字符等简单字符串操作变得非常复杂。相反，通常使用固定长度表示法。例如，UCS-2始终为每个字符使用两个字节。然后尽可能晚地完成到外部表示编码的转换，就在打印字符串之前

编辑（来自评论）

UTF-8是一种复杂的编码。从代码点到UTF-8字节的映射并不简单，它涉及到一些按位的混乱。这是一种哈夫曼代码，不同的前缀告诉字符将占用多少字节。此外，以下所有字节均以0b10开头，以检测格式错误的UTF-8。这里描述的是：

为了快速找到我的帖子的三个字节，我在python控制台中键入了以下内容：
u“\u72d7”。encode（'UTF-8'）
数字
Ox72d7
是要打印字符的Unicode码点（抽象数字）。当在内存中用两个字节表示为0x72、0xd7时，它将成为该字符的UCS-2代码，而该字符恰好也是其UTF-16编码。但您的终端可能需要UTF-8编码字符。代码点
Ox72d7
的正确UTF-8编码为
0xe7、0x8b、0x97

您可以修改代码以使用UTF-8编码的字符，但是这种编码对于内存表示非常不切实际，因为它为不同的字符生成不同的字节数。这使得获取第n个字符等简单字符串操作变得非常复杂。相反，通常使用固定长度表示法。例如，UCS-2始终为每个字符使用两个字节。然后尽可能晚地完成到外部表示编码的转换，就在打印字符串之前

编辑（来自评论）

UTF-8是一种复杂的编码。从代码点到UTF-8字节的映射并不简单，它涉及到一些按位的混乱。这是一种哈夫曼代码，不同的前缀告诉字符将占用多少字节。此外，以下所有字节均以0b10开头，以检测格式错误的UTF-8。这里描述的是：

为了快速找到我的文章中的三个字节，我在python控制台中键入了以下内容：
u“\u72d7”。encode（'UTF-8'）
您可能应该研究与宽字符（wchar\u t）和多字节字符串相关的c库函数。linux（或据我所知的windows）上的c库实现与unicode兼容。（如果你需要在你的微控制器板上安装这个，你可能会倒霉）。处理utf-8编码和unicode的大多数事情都已经在那里了，所以您不需要自己去做。
下面是一个如何处理一个字符的示例：

#include <stdio.h>
#include <locale.h>
#include <wchar.h>

int main ()
{
  /*
   * use an utf-8 compatible locale.
   */
  setlocale (LC_ALL, "en_US.utf8");
  const wchar_t dog = 0x72d7;

  /*
   * wchar_t strings can contain any character. Create one
   * string containing only the dog.
   */
  wchar_t in[2] = { dog, 0 };
  char out[100];
  /*
   * convert to a multibyte string, returns the number of chars.
   */
  size_t len = wcstombs (out, in, sizeof out);

  printf ("the character '%lc' is %zd bytes (string: '%s')\n", dog, len, out);
}

您可能应该研究与宽字符（wchar\u t）和多字节字符串有关的c库函数。linux（或据我所知的windows）上的c库实现与unicode兼容。（如果你需要在你的微控制器板上安装这个，你可能会倒霉）。处理utf-8编码和unicode的大多数事情都已经在那里了，所以您不需要自己去做。
下面是一个如何处理一个字符的示例：

#include <stdio.h>
#include <locale.h>
#include <wchar.h>

int main ()
{
  /*
   * use an utf-8 compatible locale.
   */
  setlocale (LC_ALL, "en_US.utf8");
  const wchar_t dog = 0x72d7;

  /*
   * wchar_t strings can contain any character. Create one
   * string containing only the dog.
   */
  wchar_t in[2] = { dog, 0 };
  char out[100];
  /*
   * convert to a multibyte string, returns the number of chars.
   */
  size_t len = wcstombs (out, in, sizeof out);

  printf ("the character '%lc' is %zd bytes (string: '%s')\n", dog, len, out);
}

谢谢相反，使用这三个数字起了作用。因此，第一个，
0xe7
告诉处理终端i/o的任何进程，以下两个数字（不确定正确的单词）代表一个代码点？另外，您是如何发现这三个数字的？它们似乎与0x72d7有些不相关。UTF-8是一种复杂的编码。从代码点到UTF-8字节的映射并不简单，它涉及到一些按位的混乱。这是一种哈夫曼代码，不同的前缀告诉字符将占用多少字节。此外，以下所有字节均以0b10开头，以检测格式错误的UTF-8。这里是这样描述的：为了快速找到我文章的三个字节，我在python控制台中键入了：
u“\u72d7”。encode（'UTF-8'）
谢谢！相反，使用这三个数字起了作用。因此，第一个，
0xe7
告诉处理终端i/o的任何进程，以下两个数字（不确定正确的单词）代表一个单独的cod