假设我不使用 C11 中的 <uchar.h> 并且有类似的东西
char *a = "Ā";
我怎样才能得到这个字符的 unicode 值（它是 256）？做这样的事情：
int *a_value = (int *)a;
printf("%d\n", *a_value);
没用。
这个字符是如何写入内存的？ gdb 向我展示：
loc a = 0x555555556004 "Ā": -60 '\304'
但完全不明白这到底是什么意思。
我检查了a 的大小，它是 2 个字节，这没关系，但是这样做
printf("%d\n", a[0]);
printf("%d\n", a[1]);
也不行。它给了我 -60 和 -128。
【问题讨论】：
还有两件事：
(1) 你得到了那些奇怪的数字，因为你机器上的普通字符（像很多一样）显然是签名的。您可以通过转换为unsigned char 来查看“真实”字节：
char *a = "Ā";
printf("%u %u\n", ((unsigned char *)a)[0], ((unsigned char *)a)[1]);
printf("%x %x\n", ((unsigned char *)a)[0], ((unsigned char *)a)[1]);
或一直使用unsigned char：
unsigned char *u = "Ā";
printf("%x %x\n", u[0], u[1]);
%u 版本打印196 128，%x 版本打印c4 80。
(2) 我不确定您所说的“不使用 C11 中的 <uchar.h>”是什么意思，但如果您不想手动进行 UTF-8 转换，您可以转换“多字节字符串”使用库函数 mbtowc 来自 <stdlib.h>：
wchar_t wc;
mbtowc(&wc, a, strlen(a));
printf("%d %x\n", wc, wc);
这会在我的机器上打印256 100，因为Ā 是U+0100。
另一个有用的函数是mbstowcs，它同时对多个字符执行此操作：
char *mbs = "Daß ist sehr schön";
printf("%s\n", mbs);
wchar_t wcs[20];
int n = mbstowcs(wcs, mbs, 20);
for(int i = 0; i < n; i++)
printf("%3d %x %lc\n", wcs[i], wcs[i], wcs[i]);
但是，当使用 mbtowc 和 mbstowcs 之类的函数时，您必须记住它们不一定必须处理 UTF-8 和 Unicode。除了 Unicode，还有宽字符编码，以及 UTF-8 以外的多字节表示。事实上，要让这些功能在我的机器上“正确”工作，我必须先调用
setlocale(LC_CTYPE, "");
告诉他们可以使用我的语言环境设置（即en_US.UTF-8），而不是默认的“C”语言环境，它不假定为 Unicode。
【讨论】：
该值被编码为 UTF-8。
256 二进制是100000000（9 位）。它有超过 7 位（但少于 12 位），因此需要 2 个字节以 UTF-8 编码。
第一个字节有前 5 位，第二个字节有最后 6 位。
所以，256 再次以 11 位二进制表示 00100000000 或 00100 后跟 000000
最终的 UTF-8 第一个字节 11000100 ... 110 + 00100
最终 UTF-8 第 2 个字节 10000000 ... 10 + 000000
十进制的11000100 为196，或将MSB 视为符号位：-6010000000 十进制为128，或将MSB 视为符号位：-128
在Wikipedia article中阅读有关 UTF-8 编码的更多信息
【讨论】：