fopen() 或 open() 使用什么字符编码？答案

【问题标题】：What character encoding is used by fopen() or open()?fopen() 或 open() 使用什么字符编码？
【发布时间】：2018-06-11 03:37:18
【问题描述】：

当您使用像fopen() 这样的函数时，您必须将文件名的字符串参数传递给它。我想知道这个字符串的字符编码应该是什么。

这个问题已经被问过here，但它有矛盾的答案。一个答案如下：

这取决于系统区域设置。查看“语言环境”的输出命令。如果变量以 UTF-8 结尾，那么您的语言环境是 UTF-8。大多数现代 linux 将使用 UTF-8。虽然安德鲁是正确的从技术上讲，它只是一个字节字符串，如果你不匹配系统语言环境某些程序可能无法正常工作，它会无法获得正确的用户输入等。最好坚持 UTF-8。

而另一个答案如下：

Linux 上的文件系统调用与编码无关，即它们不（需要）了解特定的编码。就他们而言有关，文件名参数指向的字节串是按原样传递给文件系统。文件系统期望文件名采用正确的编码（通常是 UTF-8，如前所述马修·塔尔伯特）。

这意味着您通常不需要做任何事情（文件名是视为不透明的字节字符串），但这实际上取决于您在哪里接收文件名，以及是否需要操作任何方式的文件名。

哪个答案是正确的？

【问题讨论】：

您引用的第一个答案显然是错误的。它不依赖于“系统语言环境”。一开始就没有系统语言环境之类的东西。只有用户区域设置。

标签： c linux character-encoding

【解决方案1】：

它们在某些方面都是正确的。

传递给文件系统调用的字符串是一串字节，空字节标记字符串的结尾，'/'用于分隔路径组件。在文件名段中，字节的含义对文件系统来说并不重要——它们只是一个字节序列。

如何显示构成文件名的字节取决于用于显示它们的设备。如果名称使用带有非 ASCII 字符的 UTF-8，则使用 ISO 8859-15（或美国顽固的居民使用 8859-1）打印该数据会产生乱码，通常包括字节范围 0x80 .. 0x9F 中的 C1 控制字节。如果名称使用 8859-15 和非 ASCII 字符，则会出现无效的 UTF-8 序列，并且您将获得难以辨认或无意义的数据显示（问号或其他无效 UTF-8 序列的指示）。

【讨论】：

例外情况是以 16 位字符存储名称的文件系统；然后挂载选项iocharset 告诉如何将 16 位字符转换为 8 位字符序列，反之亦然。（例如，这会影响 VFAT 上的长文件名。NTFS 使用 nls 挂载选项来代替，因为显然，如果 MS 可以避免它，那么它所做的一切都不是标准的。）
@NominalAnimal：MS 究竟是如何参与 Linux 文件系统挂载选项的命名的？ VFAT 驱动程序和 NTFS3G 都不是来自 Microsoft。这更像是“在 Linux 上，没有两个人在不同的实现中以兼容的方式做同样的事情”——问问那些试图在 DE 混乱中整理秩序的可怜的 FreeDesktop 家伙。
@MatteoItalia：不，你错了。 NTFS 最初使用iocharset 挂载选项，但很快就被弃用，取而代之的是nls 选项。 Linux NTFS 驱动程序可以使用这两个选项，但代码专门检查iocharset 以显示弃用错误。像所有其他文件系统一样使用 nls= 而不是 iocharset= 的唯一原因是为了安抚微软，他们在文档中使用“NLS”和“codepage”而不是字符集。 NTFS 开发人员似乎对与 Microsoft 合作比对 Linux 更感兴趣：参见例如Tuxera历史。
（如果有人不清楚，Anton Altaparmakov 是 Linux NTFS fs 驱动程序维护者，Tuxera.com is marked as the maintainer website。祝你好运尝试获得任何补丁，甚至允许使用 iocharset 挂载选项，在 fs'es 之间统一它。不会发生；会比你为它编写五行补丁更快。请尝试一下。）
这实际上很有趣，该选项自 2005 年之前名义上已被弃用（就犯罪行的 git 历史而言），但今天 - 13 多年后 - 它仍然可以正常工作，它只是吐出一条恼人的信息；他们对这种弃用并不那么认真。删除烦人的消息确实是一个 5 行补丁，我很惊讶没有人打扰，我会尝试在 LKML 上询问。我仍然不相信阴谋论，我已经看到了足够多关于“正确的事情”的小争吵，以至于认为我们完全有能力自我造成这种伤害。