在C语言中，编码在什么时候起作用？那么字符串是如何正确打印的呢？

为了研究C如何处理UTF-8/Unicode字符，我做了一个小实验

这并不是说我现在正在尝试解决任何特定的问题，但我知道Java以一种对编码者透明的方式处理整个编码情况，我想知道C是如何处理它的字符的，它的级别要低得多

下面的测试似乎表明C完全不知道编码问题，因为只有显示设备知道如何在屏幕上显示字符时解释字符序列。后面的测试（当打印由

包围的字符时）

似乎很有说服力

#include <stdio.h>
#include <string.h>

int main() {
    char str[] = "João"; // ã does not belong to the standard 
                         // (or extended) ASCII characters

    printf("number of chars = %d\n", (int)strlen(str)); // 5

    int len = 0;
    while (str[len] != '\0')
        len++;
    printf("number of bytes = %d\n", len); // 5

    for (int i = 0; i < len; i++)
        printf("%c", str[i]);
    puts("");
    // "João"

    for (int i = 0; i < len; i++)
        printf("_%c_", str[i]);
    puts("");
    // _J__o__�__�__o_ -> wow!!!

    str[2] = 'X'; // let's change this special character
                  // and see what happens
    for (int i = 0; i < len; i++)
        printf("%c", str[i]);
    puts("");
    // JoX�o

    for (int i = 0; i < len; i++)
        printf("_%c_", str[i]);
    puts("");
    // _J__o__X__�__o_
} 

#包括
#包括
int main（）{
char str[]=“João”；//ã不属于标准
//（或扩展）ASCII字符
printf（“字符数=%d\n”，（int）strlen（str））；//5
int len=0；
而（str[len]！='\0'）
len++；
printf（“字节数=%d\n”，len）；//5
对于（int i=0；i

---

我知道ASCII/UTF-8是如何工作的，但我真正不确定的是字符在什么时候被解释为“复合”字符，因为C似乎只是将它们视为哑字节。这背后真正的科学是什么？

打印不是C语言的功能，而是显示上下文的功能，不管它是什么。对于终端，有UTF-8解码功能，可以将原始字符数据映射为使用特定字体显示在屏幕上的字符。在图形应用程序中也会出现类似的显示逻辑，但在比例字体宽度、连字、连字符和许多其他排版方面更为复杂

在内部，为了便于查找，通常首先将UTF-8解码为某种中间形式，如UTF-16或UTF-32。非常简单地说，字体中的每个字符都有一个Unicode标识符。实际上，这要复杂得多，因为存在字符变体的空间，多个字符可能由字体中的单个字符表示，如“fi”和“ff”。像“ç”这样的重音字符可以是字符的组合，这是Unicode允许的。这就是为什么会出现这样的情况：您常常可以将大量的Unicode“组合字符”堆叠到一个输出字符中

排版是一个复杂的世界，需要复杂的库才能正确渲染

您可以用C语言处理UTF-8数据，但只能使用特殊的库。C在标准库中附带的任何东西都不能理解它们，对于C来说，它只是一系列字节，并且它假定字节在长度上等同于字符。也就是说，strlen是以字节为单位的，而不是以字符为单位的

例如，C++更好地支持字节和字符之间的这种区别。其他语言甚至有更好的支持，像Swift这样的语言特别支持UTF-8，一般支持Unicode打印与每个

str[i]

关联的字符-一次一个

当传递给

函数时，
char str[i]
的值将转换为
int
。然后，按照
%c“
和”的指示，将
int
值转换为
无符号字符
，并写入结果字符”

charstr[]=“João”不一定指定UTF8序列。这是一个实现细节。指定的方法是使用
char str[]=u8“João”自C11（或C99）起

printf（）
未指定直接打印UTF8箍筋的方法。
是否将C文件保存为utf-8、MBCS或UCS-16？Linux还是Windows（哪个版本）？一个简单的答案是，Windows10倾向于完全支持UTF-8，UTF-8成为了各地的通用编码。那么，C中的UTF-8字符串实际上是一个哑字节数组，除非您尝试将其拆分为字符。嗨！我使用的是Ubuntu 16.04 LTS。CLion指出它是一个UTF-8文件（正如Linux中所预期的那样）。C编程语言于1978年发布。Unicode始于1991年。C语言不能很好地处理字符编码，这会让您感到惊讶吗？C语言是一种不幸的语言，其中字符必须是整型的。在所有普通语言中，字符都是一个字符长的字符串。不管它在内部是如何表示的，也不管它需要多少字节。所以你可以提取一个字符并打印出来，这样就行了。在C语言中，字符是一个字节，可以是UTF-8字符的任何部分。或者，使用更长的整数（16、32位…）。如果你对C++感兴趣，那么读一下关于CAR8YT..DeVuReDelysiIm，如果字符被发送到图形设备（终端，打印机），它就组装成可见的形式。如果字符被发送到文件，它们仍然是哑字节数组。C语言在这方面的作用很小。C++流知道更多的编码，但这种知识被普遍使用的UTF-8贬值。