如何以单个ascii字符的形式读取unicode字符串，并以最快的方式检测它实际上是unicode？
我正在制作一个库，它允许用户插入和搜索作为trie数据结构的键值对。当我插入unicode字符串时，它会分解为4个字符（utf-8）（这是可以的），但每个字符都会变成“？”。因此，我尝试使用如何以单个ascii字符的形式读取unicode字符串，并以最快的方式检测它实际上是unicode？,c,unicode,trie,C,Unicode,Trie,我正在制作一个库，它允许用户插入和搜索作为trie数据结构的键值对。当我插入unicode字符串时，它会分解为4个字符（utf-8）（这是可以的），但每个字符都会变成“？”。因此，我尝试使用setlocale（LC_ALL，”），但没有成功（或者我不知道我的案例的正确参数是什么，在哪里调用它）。我真的不在乎打印或阅读的字符，因为它是。我所希望的是，它可以以某种方式被唯一地表示出来 在my trie中有类似于node*next[256]的链接 所以我想要的就是当一个unicode字符串被插入时，它
setlocale（LC_ALL，”）node*next[256]？#include <stdio.h>
int main()
{
printf("Hello World");
char a[] = "Ƃ";
int i;
for(i = 0 ; a[i] != '\0' ; ++i)
{
printf("%c", a[i]);
}
return 0;
}
#包括
int main（）
{
printf（“你好世界”）；
字符a[]=“Ƃ”；
int i；
对于（i=0；a[i]！='\0'；++i）
{
printf（“%c”，a[i]）；
}
返回0；
}
- 听起来像坏了
- 与您的断言相反，它可能没有使用UTF-8
*但是，请注意，UTF-16和UTF-32代码单元包括许多包含值为0的字节，例如0x0031和0x00000200。如果确实将它们视为字节序列而不是代码单元序列，则必须对此进行说明。特别是，必须避免假设单个空字节用作终止符。@IgorGalczak UTF-8 ch字符可以是1到4个字节（如果您尊重Unicode对0x10FFFF代码点的人为限制），也可以是1到6个字节（如果您坚持UTF-8的原始定义）。我怀疑OP实际上得到的是UTF-16或-32。@Mihir根据设计，UTF-8多字节序列的每个字节都有它的高位集，因此它们永远不会与ASCII字符冲突。只要您的trie结构不与高位冲突，它就应该能够像处理ASCII一样处理UTF-8字符串，而不必知道编码但是，如果您的Unicode字符串始终每个字符有四个字节，那么它们可能不是UTF-8，而是UTF-32，这更难处理。请告诉我们其中一个问题字符中四个字节的数值是多少。“Unicode字符串”？在C中，您有一个编码。因此您的意思是“UTF-8”“？或者你像python一样使用unicode接口处理（和隐藏）细节？@Mihir，我注意到你说的是“unicode”，但标记[utf-8]，描述的行为似乎与utf-8不一致。utf-8是表示unicode文本的一种方式，但不是唯一的方式。@Mihir有两个问题：（1）你的测试程序为什么使用
int a[]=“Ƃ”printf%c%02xƂ\0setlocale