如何与 C 标准输出通信？

Question

我如何知道我的终端希望以哪种方式接收数据？我应该使用fputc、fputwc 还是别的什么？

这是我对fputc 的尝试：

// characters.c
#include <ctype.h>
#include <stdio.h>
int main ( void )
{
    for ( int c = 0 ; c <= 65535 ; c ++ )
            if ( isgraph ( c ) ) fputc ( c , stdout ) ;
}

还有fputwc:

// wcharacters.c
#include <ctype.h>
#include <stdio.h>
#include <wcahr.h>
int main ( void )
{
    for ( wchar_t c = 0 ; c <= 65535 ; c ++ )
            if ( isgraph ( c ) ) fputwc ( c , stdout ) ;
}

使用characters.c，输出与终端打印的前几项的ASCII字符一致（!"#等），然后~之后，就是垃圾了。

我得到与wcharacters.c 类似的结果，除了它不是垃圾，而是? 或其他一些ASCII 字符（但绝大多数是? 的）。

我知道同一个终端支持 Unicode 代码点范围 33 到 65535（十进制）中的许多字符表示，因为我可以使用 Python 3 打印其中的许多字符。

我正在使用Trisquel GNU/Linux、gcc (-std=c99) 和“MATE Terminal”。字体是“Monospace”，听起来很一般，但它似乎支持更多超出 ASCII 范围的字符。

我愿意使用更新的 C 标准。同时，我正在做的项目的一个重点是简单，C 标准似乎随着每个后续标准变得越来越复杂（使用 C17 的uchar.h 会更简单吗？）。

使用我正在开发的功能，用户应该能够将任何图形字符（如isgraph）写入stdout 并且这些字符的外观是“正确的”。

附录

回应@chux-reinstate-monica：

isgraph() 可以使用窄字符，不适用于宽字符。

比characters.c 更好的测试可能是：

// charactersAll.c
#include <ctype.h>
#include <limits.h>
#include <stdio.h>
int main ( void )
{
    const int cmax = (
        (unsigned) UCHAR_MAX < (unsigned) INT_MAX
            ) ? (int) UCHAR_MAX : INT_MAX ;
    int c = -1 ;
    while ( c < cmax )
    {
        c ++ ;
        if ( isgraph ( c ) ) fputc ( c , stdout ) ;
    }
}

对比字符.c：

• 循环遍历所有有效的isgraph 参数。

• 避免溢出：characters.c 可能会尝试增加 c 超过最大值（即，当 int 为 16 位时；确认：@chux-reinstate-monica，“aside”）。

Answer 1

我如何知道我的终端期望以哪种方式接收数据？

isgraph() 可以使用窄字符，不适用于宽字符。

最好使用 is...() 函数的受限范围，而不是 [0 ... 65535]。

在所有情况下，参数都是int，其值应表示为unsigned char，或应等于宏EOF 的值。如果参数有任何其他值，则行为未定义。 C17dr § 7.4 1

is...() 不适用于该范围之外的值。

---

另外：wchar_t 是 16 位无符号时，for ( wchar_t c = 0 ; c <= 65535 ; c ++ ) 有无限循环的风险。

---

GTG。

Answer 2

你不能直接打印unicode点，大多数终端默认只接受UTF8编码的字符串。

#include <stdio.h>
#include <stdint.h>

/**
 * Encode a code point using UTF-8
 *
 * @author Ondřej Hruška <ondra@ondrovo.com>
 * @license MIT
 *
 * @param out - output buffer (min 5 characters), will be 0-terminated
 * @param utf - code point 0-0x10FFFF
 * @return number of bytes on success, 0 on failure (also produces U+FFFD, which uses 3 bytes)
 */
int utf8_encode(char *out, uint32_t utf)
{
  if (utf <= 0x7F) {
    // Plain ASCII
    out[0] = (char) utf;
    out[1] = 0;
    return 1;
  }
  else if (utf <= 0x07FF) {
    // 2-byte unicode
    out[0] = (char) (((utf >> 6) & 0x1F) | 0xC0);
    out[1] = (char) (((utf >> 0) & 0x3F) | 0x80);
    out[2] = 0;
    return 2;
  }
  else if (utf <= 0xFFFF) {
    // 3-byte unicode
    out[0] = (char) (((utf >> 12) & 0x0F) | 0xE0);
    out[1] = (char) (((utf >>  6) & 0x3F) | 0x80);
    out[2] = (char) (((utf >>  0) & 0x3F) | 0x80);
    out[3] = 0;
    return 3;
  }
  else if (utf <= 0x10FFFF) {
    // 4-byte unicode
    out[0] = (char) (((utf >> 18) & 0x07) | 0xF0);
    out[1] = (char) (((utf >> 12) & 0x3F) | 0x80);
    out[2] = (char) (((utf >>  6) & 0x3F) | 0x80);
    out[3] = (char) (((utf >>  0) & 0x3F) | 0x80);
    out[4] = 0;
    return 4;
  }
  else {
    // error - use replacement character
    out[0] = (char) 0xEF;
    out[1] = (char) 0xBF;
    out[2] = (char) 0xBD;
    out[3] = 0;
    return 0;
  }
}

int main ( void )
{
    char out[6];
    for ( uint32_t c = 0 ; c <= 65535 ; c ++ ) {
        utf8_encode(out, c);
        printf("%s", out);
    }
}

Answer 3

如何与C标准输出通信？

这是非常定义的实现。

我正在使用... GNU/Linux

要与 Linux terminal driver 通信，请使用 ioctls 或 termios.h 库。要与真实终端通信，您可以将输出设置为原始并发送special escape sequence，然后您会得到标准输入的答案。例如ESC[6n request cursor position 报告为ESC[#;#R)。

我如何知道我的终端期望以哪种方式接收数据？

来自语言环境。例如LC_ALL=en_US.UTF-8 表示它想要UTF-8，LC_ALL=tr_TR.ISO-8859-9 表示它想要ISO-8859-9 编码中的字符。

注意来自cppreference setlocale:

在程序启动期间，相当于 setlocale(LC_ALL, "C");在运行任何用户代码之前执行。

通常在main 之后执行setlocale(LC_ALL, "") 以使用终端的语言环境。

我应该使用 fputc、fputwc 还是其他什么？

没关系，但您应该使用其中的一个，一旦切换流，就很难将其切换回来。使用fputc，您可以将multibyte characters 与fputwc 输出相同的宽字符，但可以肯定的是，可能存在宽字符没有多字节字符的情况。在具有 UTF-8 语言环境的 Linux 上，使用 fputc 您可以输出与使用 UTF-32 的 fputwc 相同的 UTF-8 代码点。 GLIBC Extended char intro 是一本好书。

当您使用fputwc 时，在幕后glibc 将UTF-32 转换为特定于语言环境的编码，大约在behind here 初始化here 的地方。它基本上为每个字符调用iconv。

~之后就是垃圾了。

isgraph ( c ) 对于大于UCHAR_MAX 和c 的c 无效，而c 不同于EOF。 #include <wcahr.h> 无效。

我有语言环境LC_CTYPE=pl_PL.UTF-8。以下程序：

#include <ctype.h>
#include <locale.h>
#include <stdio.h>
#include <wchar.h>
#include <wctype.h>
int main() {
    setlocale(LC_ALL, "");
    for (wchar_t c = 63000; c <= 65535; c++)
        if (iswgraph(c))
            fputwc(c, stdout);
}

会输出一些图形字符：

...

如前所述，如果您愿意，也可以对 fputc 执行相同操作：

#include <ctype.h>
#include <locale.h>
#include <stdio.h>
#include <wchar.h>
#include <wctype.h>
#include <stdlib.h>
#include <limits.h>
int main() {
    setlocale(LC_ALL, "");
    for (wchar_t c = 63000; c <= 65535; c++) {
        if (iswgraph(c)) {
            char s[MB_LEN_MAX];
            wctomb(s, c);
            for (char *p = s; *p; ++p) {
                fputc(*p, stdout);
            }
        }
    }
}

除了垃圾，它是 ?'s 或 som

您的程序正在使用C 语言环境。 C 语言环境不能代表 ASCII 以外的任何内容。

使用 C17 的 uchar.h 会更简单吗？

使用wchar_t。这取决于您的具体应用。在通常情况下，让我们相信 C 标准、C 实现和操作系统，并使用 wchar_t 作为“终极”字符。