按代码打印 Unicode 字符答案

【问题标题】：Print Unicode characters by code按代码打印 Unicode 字符
【发布时间】：2015-03-05 14:49:06
【问题描述】：

我有一个uint32_t 数组。每个都是代表 Unicode 字符的值。我想像字符串一样打印数组，但我无法让它工作。

我尝试了很多不同的东西

typedef struct String {
    uint32_t *characters;
    unsigned long length;
} WRString;

char* WRStringToString(WRString *wstr){
    char *string = malloc(sizeof(char) * wstr->length * 4);
    int i = 0;
    int j = 0;
    for (; i < wstr->length; i++) {
        string[j++] = wstr->characters[i];

        char byte2 = (char)wstr->characters[i] >> 8;
        if (byte2) {
            string[j++] = byte2;

            char byte3 = (char)wstr->characters[i] >> 16;
            if (byte3) {
                string[j++] = byte3;

                char byte4 = (char)wstr->characters[i] >> 24;
                if (byte4) {
                    string[j++] = byte4;
                }
            }
        }
    }
    return string;
}

永远在一起

WRString *string; //Characters are 0xD6, 0x73, 0x74, 0x65, 0x72, 0x72, 0x65, 0x69, 0x63, 0x68

我试过了：

setlocale(LC_CTYPE,"de_DE.UTF-8");
puts(WRStringToString(string));

给\326\377\377\377sterreich。

wprintf(L"%s",WRStringToString(string));

只要没有设置本地，就给出相同的结果。

Printing UTF-8 strings with printf - wide vs. multibyte string literals 和 Printing Unicode Character (stored in variables) in C 并没有真正帮助我。

有什么建议吗？

【问题讨论】：

那些不是字符串中的 UTF-8 字符，或者您可以直接打印它们。它们是 Unicode 代码点。请保持您的术语直截了当。
@MarkRansom，不，他的uint32_t中似乎只有utf8字节编码
问题中有很多术语问题，不清楚您在问什么。我不知道这只是语言问题，还是对 UTF-8、字符等 Unicode 概念有误解。
@JensGustedt 不，他的示例中的第一个字符是 0xD6，它是 Ö 的代码点。我怀疑这是一个合法的 UTF-8 序列。
@MarkRansom，好的，是的，所以他真的很困惑。

标签： c unicode utf-8

【解决方案1】：

这些似乎只是 unicode 代码点。将它们一一存储在wchar_t 字符串中，然后使用

printf("%ls\n", wstring);

您必须在程序开始时将语言环境设置为系统的默认设置：

set_locale(LC_ALL, "");

【讨论】：

根据this wchar_t 可以小到一个字节。所以看起来并不完美。
我看不到任何正在运行的东西 wchar_t l[11] = {0x1F330, 0xD6, 0x73, 0x74, 0x65, 0x72, 0x72, 0x65, 0x69, 0x63, 0x68}; printf("%ls\n", l); 我又混合了一些东西吗？
您是否将语言环境设置为 utf8？ C（默认）语言环境不会处理这些字符。
您也忘记了字符串末尾的0 字符。如果您使用正确的语言环境，另一种方法是使用普通字符串 char s[] = "Östereich" 应该可以开箱即用。
@JensGustedt：很少见，但并非不可能。特别是 SMP 平面 (U+10000 –U+1FFFF) 包含一些有用的代码点，如音乐和数学符号以及表情符号（在聊天/IM 系统中越来越受欢迎）。显然，如果不使用 UTF-16 代理，那些不适合 16 位。

【解决方案2】：

Jens Gustedt 的回答指出了正确的方向，但我继续使用 uint32_t，因为我需要支持 Unicode 的 Emoji，而 wchar_t 对于这些表情来说可能太小了。（如 Remy Lebeau 所说）

这似乎工作得很好：

setlocale(LC_CTYPE,"de_DE.UTF-8");
printf("%ls\n", string->characters);

【讨论】：

不，只是看起来如此。在 wchar_t 只有 16 位的情况下，这将在你的脚下爆炸。具有 16 位 wchar_t 的平台根本无法处理 Emoji 和类似的东西。
@JensGustedt 是的，我知道这一点。但我会坚持使用uint32_t，因为项目中使用的许多其他代码已经在使用uint32_t。即使在我无法使用上述方法打印的系统上，我至少能够进行我需要做的其他比较。（表情符号的 unicode 代码点非常很重要）
但是一定要在 16 位 wchar_t 的机器上构建一些禁止编译的东西。只是将错误的指针类型传递给printf 就是一个定时炸弹。
@JensGustedt 感谢您的建议。我打算做这样的事情。