Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/c/64.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
C 为什么U+的UTF-8编码为2字节；1xxxx字符？_C_Unicode_Utf 8 - Fatal编程技术网
Fatal编程技术网
  • c/
  • C 为什么U+的UTF-8编码为2字节；1xxxx字符？

C 为什么U+的UTF-8编码为2字节；1xxxx字符？

c unicode utf-8

C 为什么U+的UTF-8编码为2字节；1xxxx字符？,c,unicode,utf-8,C,Unicode,Utf 8,我试图弄清楚C如何处理Unicode中的字符代码。我将语言环境设置为LC_ALL“fr_CA.UTF8”，然后用wscanf（）输入一个字符（作为wchar\u t的数组）。然后我探索每个字节，发现一些奇怪的东西。我输入了一个高音键（“如果您正确地打印了构成wchar\u t值的字节，或者如果您只是跳过它，并且在不尝试将其拆分为字节的情况下打印它们的值，您将看到您期望的结果： wprintf(L"%x\n", (int)input[0]); wprintf(L"%x\n", (int)input

我试图弄清楚C如何处理Unicode中的字符代码。我将语言环境设置为LC_ALL“fr_CA.UTF8”，然后用
wscanf（）
输入一个字符（作为
wchar\u t
的数组）。然后我探索每个字节，发现一些奇怪的东西。我输入了一个高音键（“如果您正确地打印了构成
wchar\u t
值的字节，或者如果您只是跳过它，并且在不尝试将其拆分为字节的情况下打印它们的值，您将看到您期望的结果：

wprintf(L"%x\n", (int)input[0]);
wprintf(L"%x\n", (int)input[1]);
其结果是：

1d11e
0
您尝试这样做的方式表明，您错误地认为
wchar\u t
值是16位的，并且存在“多
wchar\u t
-字符”这样的东西。C语言非常明确地表示没有这样的东西。使用16位
wchar\u t
的实现是错误的（或者至少不能在BMP之外支持Unicode）。当然，一个相当流行的版本是大错特错的

我刚刚注意到您在问题的标题中也提到了UTF-8，但内容与UTF-8表示无关。
wchar\u t
是（通常；不完全是必需的）Unicode代码点编号，相当于UCS-4（或仅支持BMP的实现中的UCS-2）。而语言环境的多字节编码几乎肯定必须是UTF-8才能访问该字符（尽管GB18030也可以使用），如果将所有流作为宽字符流处理，则不会显示UTF-8。

如果正确打印了构成
wchar\t
值的字节，或者如果您只是跳过该操作并打印了它们的值，而没有尝试将其拆分为字节，您将看到预期结果：

wprintf(L"%x\n", (int)input[0]);
wprintf(L"%x\n", (int)input[1]);
其结果是：

1d11e
0
您尝试这样做的方式表明，您错误地认为
wchar\u t
值是16位的，并且存在“多
wchar\u t
-字符”这样的东西。C语言非常明确地表示没有这样的东西。使用16位
wchar\u t
的实现是错误的（或者至少不能在BMP之外支持Unicode）。当然，一个相当流行的版本是大错特错的

我刚刚注意到您在问题的标题中也提到了UTF-8，但内容与UTF-8表示无关。
wchar\u t
是（通常；不完全是必需的）Unicode代码点编号，相当于UCS-4（或仅支持BMP的实现中的UCS-2）。而语言环境的多字节编码几乎肯定必须是UTF-8才能访问该字符（尽管GB18030也可以使用），如果将所有流作为宽字符流处理，UTF-8将不会出现。

是否有第三个字节没有打印？输出
，所以首先要做的是确定wchar\u t的大小。呃…@ikegami，似乎你是对的。@nyrguds我知道数据位之间有控制位。Could可能还有第三个字节没有打印？输出
所以首先要做的是确定wchar\u t的大小。呃…@ikegami似乎你是对的。@nyrguds我知道数据位中有控制位。在BMP之外，re“不支持Unicode”，除非他们使用代理。例如，JavaScript就是这样做的。我猜“一个非常流行的”这就是为什么我不明白的原因。
wchar\u t
在Linux上是32位的，在Windows上是16位的。所以，如果我理解正确的话，在Linux上用2
wchar\u t
来表示字符串，在Windows上用3来表示字符串，因为代码点会扩展到16位以上…？但在Linux上是64位，在Windows上是48位…@ikegami:那是C的
wchar\u t
和相关接口不可能，因为它们的工作方式。
mbrtowc
无法为一个多字节字符输出两个
wchar\u t
值（这是基本的，不允许），而
isw*
函数无法报告“多
wchar\u t
字符”的属性（对于某些用户来说，这可能是一个可接受的限制）。因此，不，将
wchar\u t
用作UTF-16是无法解决的（Windows尝试这样做，但破坏了标准C函数，让您使用自己的东西）；它确实与该语言不兼容。Re“无法在BMP之外支持Unicode”，除非他们使用代理。例如，JavaScript就是这样做的。我猜“一个非常流行的”这就是为什么我不明白的原因。
wchar\u t
在Linux上是32位的，在Windows上是16位的。所以，如果我理解正确的话，在Linux上用2
wchar\u t
来表示字符串，在Windows上用3来表示字符串，因为代码点会扩展到16位以上…？但在Linux上是64位，在Windows上是48位…@ikegami:那是C的
wchar\u t
和相关接口不可能，因为它们的工作方式。
mbrtowc
无法为一个多字节字符输出两个
wchar\u t
值（这是基本的，不允许），而
isw*
函数无法报告“多
wchar\u t
字符”的属性（对于某些用户来说，这可能是一个可接受的限制）。因此，不，将
wchar\u t
用作UTF-16是无法解决的（Windows尝试这样做，但破坏了标准C函数，让您使用自己的东西）；它确实与该语言不兼容。