mbtowc如何使用语言环境？

我很难使用

mbtowc

，它总是返回错误的结果。这也让我困惑，为什么函数甚至使用locale？多字节unicode字符点与语言环境无关。我实现了自定义转换函数，可以很好地进行转换，请参见下面的代码

我在Windows上使用GCC4.8.1（其中wchar\u t的大小为2），使用捷克语言环境（cs\u CZ）。OEM代码页是windows-1250，控制台默认使用CP852。以下是我目前的研究结果：

#include <stdio.h>
#include <stdlib.h>

// my custom conversion function
int u8toint(const char* str) {
  if(!(*str&128)) return *str;
  unsigned char c = *str, bytes = 0;
  while((c<<=1)&128) ++bytes;
  int result = 0;
  for(int i=bytes; i>0; --i) result|= (*(str+i)&127)<<(6*(bytes-i));
  int mask = 1;
  for(int i=bytes; i<6; ++i) mask<<= 1, mask|= 1;
  result|= (*str&mask)<<(6*bytes);
  return result;
}

// data inspecting type for the tests in main()
union data {
  wchar_t w;
  struct {
    unsigned char b1, b2;
  } bytes;
} a,b,c;

int main() {
  // I tried setlocale here
  mbtowc(NULL, 0, 0); // reset internal mb_state
  mbtowc(&(a.w),"ř",6); // apply mbtowc
  b.w = u8toint("ř");   // apply custom function
  c.w = L'ř';           // compare to wchar

  printf("\na = %hhx%hhx", a.bytes.b2, a.bytes.b1); // a = 0c5 wrong
  printf("\nb = %hhx%hhx", b.bytes.b2, b.bytes.b1); // b = 159 right
  printf("\nc = %hhx%hhx", c.bytes.b2, c.bytes.b1); // c = 159 right
  getchar();
}

---

为什么

mbtowc

没有给出0x159——ř的unicode数字？

在源代码中放置非ASCII标志符号是有风险的，现在它关系到文本编辑器使用的编码方式以及编译器猜测的内容。看起来是utf8，将“ř”变成0xc5 0x99。这不是一个多字节代码。但是0xc5正确地在代码页1250中为Ĺ字形生成U+0139，在代码页852中为方框图形字形生成U+253C。不太清楚u8toint（）的作用，但它似乎也假定为utf8。考虑将控制台切换到UTF8，同时停止出血。<代码> MbToWC.<代码>将从当前区域中编码的多字节字符转换为WCHARGET.ř是

“\xf8”

，CP852中的代码>是

“\xfd”

。尝试使用相应的编码将它们转换为广域，您将得到正确的答案。@HansPassant源代码为UTF-8。尽管chcp 65001将控制台切换到UTF-8输出，

。有趣的是，
mbstowcs
仅使用默认的“C”语言环境来转换字符串中的字节。@MarkTolonen回答得很好。解决方案可以是将源代码存储在与控制台区域设置相同的CP中，在Windows上不能是UTF-8。看起来
mbtowc
在使用UTF-8的Windows上注定要失败。Win32 API处理UTF-8。
setlocale(LC_CTYPE,"Czech_Czech Republic.1250"); // a = 139 wrong
setlocale(LC_CTYPE,"Czech_Czech Republic.852"); //  a = 253c wrong