【问题标题】：Saving int Unicode codepoint to UTF-8 file将 int Unicode 代码点保存到 UTF-8 文件
【发布时间】：2014-10-27 21:28:19
【问题描述】：

上下文

Debian 64 位尝试将 int，例如 233 写入文件并使其文本打印“é”。

问题

我无法理解如何编写一个 utf8 等效字符，例如“é”或任何 UTF-8 字符，其宽度远远超过字符类型所能包含的范围。该文件应该是人类可读的，以便通过网络发送。

我的目标是将 int 写入文件并获取其等效的 utf8。

我不知道我在做什么。

代码

FILE * dd = fopen("/myfile.txt","w");
fprintf(dd, "%s", 233); /* The file should print "é" */
fclose(dd);

谢谢

更新：

根据 Biffen 的评论，这是另一段写“E9”（“é”的十六进制值）的代码；

int p = 233;
char r[5];
sprintf(r,"%x",p);
printf("%s\n",r);
fwrite(r,1,strlen(r),dd);
fclose(dd);

如何将其转换为“é”？

更新最终工作代码：

UFILE * dd = u_fopen("/myfile.txt","wb", NULL, NULL);
UChar32 c = 233;
u_fputc(c,dd);
u_fclose(dd);

【问题讨论】：

字符 é 需要两个 UTF-8 单元进行编码（0xC3、0xA9）。为什么不直接使用带有escape sequence 的字符串文字，例如"\u00E9"?
...而fprintf() 将不起作用，因为%s 需要一个字符指针，并且您要打印的内容不太可能位于内存地址233 . 你是否启用编译器警告？
我更新了问题，使其比评论更清晰。现在，我得到了 E9 的东西，但是如何将它写入文件以获得“é”？

标签： c utf-8 io

【解决方案1】：

您似乎希望 printf() 了解 UTF-8，但它并不知道。

你可以自己实现UTF-8编码，毕竟是很简单的编码。

解决方案可能如下所示：

void put_utf8(FILE *f, uint32_t codepoint)
{
    if (codepoint <= 0x7f) {
       fprintf(f, "%c", (char) codepoint & 0x7f);
    }
    else if (codepoint <= 0x7ff) {
       fprintf(f, "%c%c", (char) (0xc0 | (codepoint >> 6)),
                          (char) (0x80 | (codepoint & 0x3f));
    }
    else if (codepoint <= 0xffff) {
       fprintf(f, "%c%c%c", (char) (0xe0 | (codepoint >> 12)),
                            (char) (0x80 | ((codepoint >> 6) & 0x3f),
                            (char) (0x80 | (codepoint & 0x3f));
    }
    else if (codepoint <= 0x1fffff) {
       fprintf(f, "%c%c%c%c", (char) (0xf0 | (codepoint >> 18)),
                              (char) (0x80 | ((codepoint >> 12) & 0x3f),
                              (char) (0x80 | ((codepoint >> 6) & 0x3f),
                              (char) (0x80 | (codepoint & 0x3f));
    }
    else {
        // invalid codepoint
    }
}

你会这样使用它：

FILE *f = fopen("mytext.txt", "wb");
put_utf8(f, 233);
fclose(f);

然后它将两个字符 0xC3 和 0xA9 输出到f。

有关 UTF-8 的更多详细信息，请参阅 Wikipedia。

【讨论】：

【解决方案2】：

一种方法是：

#include <stdio.h>
#include <wchar.h>
#include <locale.h>

int main(void){
    wchar_t utfchar = 233;
    setlocale(LC_CTYPE, "");
    wprintf(L"%lc\n", utfchar);
}

您只需要找到对应的fprintf即可打印到文件。

【讨论】：

如果可能的话，我想避免使用宽字符并坚持使用 utf8
这真的会打印 0xC3 和 0xA9 这两个字节吗？
@Biffen（回复我自己。）测试了一下，看起来确实如此。
我认为这仅适用于 UTF-8 语言环境。否则你很可能会得到 ISO-8859-1（或类似的单字节编码）。

【解决方案3】：

~~标准库有 codecvt 用于编码转换，但据我记得 GCC 之一，仍然没有完整的实现。~~ 编辑：错过了c 标签。 codecvt 是 C++。

将 Unicode 代码点转换为 UTF-8 单元序列的“算法”并不太复杂，因此您可以很容易地自己实现它。 Here 是描述该过程的页面，here 是另一个很好的资源。

但是，如果您知道自己会做很多与 Unicode 相关的事情，我建议您使用库。 ICU 是一个受欢迎的选择。

【讨论】：

接受，因为我将使用 ICU。谢谢！
@BasileStarynkevitch 哎呀，我的错。

【解决方案4】：

您可以为GNU libunistring 安装libunistring-dev 包，然后包含<unistr.h> 并使用例如u32_to_u8 函数将 UCS-4 字符串转换为 UTF-8 字符串。见libunistring documentation。也许使用<unistdio.h>

【讨论】：