C++ mbtowc在osx上始终返回一个字节

我在文件系统中搜索了不可移植名称中的字符。为此，我使用mbtowc函数检查每个字符

在OSX上，我尝试了：

//关于OSX

#include <iostream>

using namespace std;

int main(int argc, const char * argv[])
{
string s1 = "Ä";
size_t len = s1.length();           // will be 2, ok


const char* s1c = s1.c_str();       // 0xC3 0x84 0x00, ok

char a = s1[0];                     // 0xc3, ok
char b = s1[1];                     // 0x84, ok

mbtowc(NULL,NULL,0);                // reset

wchar_t wc;
int mb_len = mbtowc(&wc,s1c,len);   // mb_len = 1, wc=0xc3 00 00 00
                                    // why only one byte?
                                    // how can i get the right Wchar???
char mb2[10];
int mblen2 = wctomb(mb2,wc);        // mblen2 = 1; mb2 = 0xC3

string s2 = string(mb2);            // len = 1 only 0xC3


return 0;
}

#包括
使用名称空间std；
int main（int argc，const char*argv[]
{
字符串s1=“Ä”；
size_t len=s1.length（）；//将为2，好吗
const char*s1c=s1.c_str（）；//0xC3 0x84 0x00，确定
字符a=s1[0]；//0xc3，ok
char b=s1[1]；//0x84，ok
mbtowc（NULL，NULL，0）；//重置
wchar_t wc；
int mb_len=mbtowc（&wc，s1c，len）；//mb_len=1，wc=0xc300
//为什么只有一个字节？
//我怎样才能得到正确的Wchar？？？
char-mb2[10]；
int mblen2=wctumb（mb2，wc）；//mblen2=1；mb2=0xC3
字符串s2=字符串（mb2）；//仅限len=1 0xC3
返回0；
}

为什么mbtows只返回所有字符1

---

Heribert

您的程序在C语言环境中启动，该语言环境将字符串视为ASCII（或者，未指定的ASCII兼容8位编码）。因此，

mbtowc（）

只需将字符串中的第一个字节复制到

wchar\u t

。您需要使用使用UTF-8的区域设置调用

setlocale（LC_CTYPE，locale）

，因为您的源代码是用UTF-8编码的，因此字符串常量也将是

setlocale（LC_CTYPE，”）

使用用户当前的语言环境设置，因此，如果您要读取用户提供的文件，那么这是合适的；但是，如果有人试图在不使用UTF-8语言环境的机器上运行您的程序，您的示例可能会中断。您可以改为使用

setlocale（LC_CTYPE，“UTF-8”）

，这是一种始终使用UTF-8的区域设置（我不相信它是标准化的，但至少在我的Mac OS X和Linux设备上是这样）

这里有一个例子（在纯C中，而不是C++，使它更简单）。我添加了一些printfs来显示发生了什么。它在调用

setlocale（）

之前和之后运行相同的

mbtowc（）

mbtowc（）。C语言环境总是以
“C”
开头，这不能保证支持基本字符集（ASCII支持的抽象字符集的子集）之外的任何字符

默认情况下，OSX在其他任何地方都使用UTF-8，因此
mbtowc（）
不会在您期望的编码之间转换

您可以将C语言环境设置为使用适当编码的语言环境。如果你在C++程序中这样做，你应该通过设置C++全局语言环境（这将依次设置C语言环境）：
然而，搞乱区域设置通常不是一件好事。全局语言环境本质上是一个全局变量，有所有反对使用它的正常理由。它具有广泛的影响，例如，它可以影响某些库中的
sprintf（）
深度的使用，而这些库可能依赖于未设置为某些区域设置。此外，区域设置敏感函数可能不是线程安全和/或可重入的

OS X有一个“扩展的语言环境支持”库（header
），其中包含
*\u l
版本的语言环境敏感函数，这些函数采用额外的语言环境参数，而不是使用全局语言环境。这解决了全局区域设置的许多问题。我相信它甚至被用来在OS x.< /p>中实现大部分标准的C++区域性功能。
locale_t loc = newlocale(LC_ALL_MASK, "en_US.UTF-8", NULL);
char buf[MB_CUR_MAX_L(loc)];
mbstate_t state = {};  
wcrtomb_l(buf, L'A', &state, loc);
freelocale(loc);

如果只需要在已知编码之间进行转换，则可能根本不需要使用区域设置。iconv是一个API，它允许在大量编码之间直接转换。C++还支持使用WSTRIGIN转换模板和一些标准的CODEVVT刻面（CODECDVTUTUF8，CODECDVTUTUTF8UTUF16）在某些编码之间，特别是在各种Unicode编码（UTF-8，UTF-16和UTF-32）之间进行转换。您还可以调整codevt_byname以在
char
和
wchar_t
区域设置编码之间进行转换，而不直接与区域设置混淆


当然，只有当您确实需要在编码之间转换时，所有这些才重要。目前还不清楚是否需要在文件系统中搜索不可移植的名称。如果你有一个你认为合法的代码点列表（或者是非法列表），那么直接搜索UTF-8字符串中的代码点的UTF-8编码就不那么困难了。无需转换。
谢谢，这就是问题所在，在这里说明。谢谢，我将使用这种方式。本地化扩展也可以在其他系统上使用，也可以使用win（Visula Studio 2010：名称前带有“uu”）。顺便说一下，MB_CUR_MAX取决于当前控制台。当程序启动时，consloe将为C，值为1，这将导致缓冲区溢出。MB_LEN_MAX返回所有编码的最大长度（大部分为6）。@user1854272是的，关于
MB_CUR_MAX
你是对的。有一个宏
MB\u CUR\u MAX\u L（）
用于
\u L
函数。
c3 84 00
1, 000000c3
2, 000000c4

std::locale::global(std::locale("en_US.UTF-8")); // locale names are not portable

locale_t loc = newlocale(LC_ALL_MASK, "en_US.UTF-8", NULL);
char buf[MB_CUR_MAX_L(loc)];
mbstate_t state = {};  
wcrtomb_l(buf, L'A', &state, loc);
freelocale(loc);