char如何存储两个数字？

下一个例子：我有西里尔字母“б”。运行下一个代码：

int main() {
    char c;
    scanf("%c", &c);
    printf("%d\n", c);
    return 0;
}

显示

-48

。但是，当我调试这个变量

c

时，它接下来会显示：

-48'\320'

---

那么这是如何工作的呢？这是指向2长度数组的指针吗？或者它如何能够存储两个数字？

西里尔字符[使用

utf-8

]是多字节

char

s。十六进制的“字符”是字符串/数组：

D0B1

因此，您不能使用

%c

检索它。您需要使用

%s

：

#include <stdio.h>

int
main(void)
{
    char utf[1000];
    char *cp;

    scanf("%s", utf);
    printf("%s\n", utf);

    for (cp = utf;  *cp != 0;  ++cp)
        printf(" %2.2X",*cp & 0xFF);
    printf("\n");

    return 0;
}

---

更新：

---

那么，这个字符是如何定位在内存中的呢？当涉及西里尔文时，C是否能够生成字符2字节

首先，请参见：

通过键盘输入西里尔字符时，键盘硬件、终端仿真器程序和文本编辑器的组合将键盘序列转换为

utf-8

序列，并最终生成正在编辑的文本文件

你所说的西里尔字符就是

utf-8

所说的“代码点”

当放置在文本文件中时，代码点将变成如上所述的多字节序列

scanf

和

printf

对此一无所知。例如，

printf

只发送字符串：

XXXXXXX\0

，其中X可以是单个ASCII字符或多字符代码点的一部分

由终端仿真器来理解这一点，并从utf-8字体集中输出正确的字符[其中包含西里尔字母、希腊字母、法语字母等]

诸如

strlen

和

strcpy

之类的函数只关心尾随的0x00 EOS字符。因此，从技术上讲，它们可以工作，并且通常可以像ASCII字符串一样轻松地通过

utf-8

字符串，因为EOS是相同的

但是，

strlen

将为您提供字符串中

char

的编号。例如，在上面的

strlen

中将返回2，因为它将

D0

和

B1

作为

char

数组中的单独

char

值进行计数

而且，

strchr

[可能]不会起作用。您可能希望在

utf-8

中使用

strstr

当然，其中西里尔字符只有一个代码点，因此

utf-8

aware函数必须以不同的方式处理数组。例如，在计算代码点的数量时，他们需要看到

D0B1

是单个代码点，因此结果计数为一

一般规则是ASCII（

0x01-0x7F

）直接映射到

utf-8

，作为单个

char

s。设置高位（

0x80

）的任何内容都是

utf-8

多字节代码点的一部分。

0x40

用于指示序列的起始[最左边]字节。序列中所有剩余字节的格式（以位为单位）：

10xxxxxx

。序列中剩余字节的数量由起始字节中前缀1位的数量表示。下表显示了如何解码字节序列（

x

表示作为代码点值一部分的位）：

---

因此，

utf-8

aware功能可以在正向或反向扫描时检测并跳过代码点。并且，可以区分两个[或多个]相邻的多字节代码点。

一个

char

变量可以用于存储一个小整数，或者在一些定义不太明确、通常基于ASCII的编码中存储一个字符（更恰当地说，是代码单位）。这里，调试器只是试图通过显示

c

内容的两个（有争议的）有意义的表示来提供帮助

---

让我们想象一下，您实际上编写了

a

，而不是

б

；在这种情况下，调试器将编写如下内容

c = {char} 97 'a'

因为

c

中存储的实际数字是97，并且被解码为ASCII，它对应于字母

a

不幸的是，在一个8位

char

值中可以容纳所有可能的字符的想法是完全有缺陷的，因此目前使用最广泛的编码（UTF-8）需要多个代码单元，而UTF-8恰好是您机器上使用的编码(≈字节）来表示单个代码点(≈逻辑字符（更多细节）。具体而言，б表示为两个字节的字符串，即字节0xD0和0xB1

C对UTF-8或代码点一无所知；如果将

%c

指定为

scanf

，则无论是否足以表示完整的UTF-8码点，它都以单个字节读取。因此，只有第一个字节被读取，

c

只包含0xD0值；0xB1仍在缓冲区中，尚未读取

回到调试器显示的值，首先必须注意，在您的平台上（不幸的是，在许多平台上），

char

是有符号的。因此，0xD0字节被解释为带符号值-48（实际上，0xD0=208，在127处“环绕”；208-256=-48）

至于

'\320'

：这里的调试器希望显示该值的ASCII表示形式；但是，字节0xD0不在ASCII字符范围2内，因此在这里它将以转义序列显示。您可能熟悉用

'\n'

表示换行符，或用

\0

表示NUL字符；一般来说，C中一个

\

后跟一到三位数字表示具有相应八进制值的字节

0320实际上是208的八进制，这是0xD0的十进制

因此，这里没有什么神秘之处：
c
仍然包含一个值（它只是角色的“一半”）；您看到的只是其内容的两种（同样不方便）表示


注释

在大多数平台上
# of    Start       Remaining Bytes
bytes   Byte
1       0xxxxxxx
2       110xxxxx    10xxxxxx
3       1110xxxx    10xxxxxx    10xxxxxx
4       11110xxx    10xxxxxx    10xxxxxx    10xxxxxx

c = {char} 97 'a'