当字符集为 ASCII 时，如何在文字字符串 ISO/ANSI C 中表示 Unicode 字符？答案

【问题标题】：How do I represent a Unicode character in a literal string ISO/ANSI C when the character set is ASCII?当字符集为 ASCII 时，如何在文字字符串 ISO/ANSI C 中表示 Unicode 字符？
【发布时间】：2009-09-14 14:12:51
【问题描述】：

在 Perl 中，我可以说

my $s = "r\x{e9}sum\x{e9}";

将"résumé" 分配给$s。我想在C中做类似的事情。具体来说，我想说

sometype_that_can_hold_utf8 c = get_utf8_char();
if (c < '\x{e9}') {
    /* do something */
}

【问题讨论】：

标签： c unicode

【解决方案1】：

对于 UTF8，您必须使用找到的规则自己生成编码，例如 here。例如，德语的 s (ß, 代码点 0xdf) 的 UTF8 编码为 0xc3,0x9f。您的 e-acute（é，代码点 0xe9）的 UTF8 编码为 0xc3,0xa9。

您可以在字符串中添加任意十六进制字符：

char *cv = "r\xc3\xa9sum\xc3\xa9";
char *sharpS = "\xc3\x9f";

【讨论】：

如果变量的宽度足以容纳 UTF-16，你能说 \x00e9 吗？

【解决方案2】：

如果您有 C99 编译器，则可以使用（和）并直接在源代码中输入 Unicode 代码点。

$ cat wc.c

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

int main(void) {
  const wchar_t *name = L"r\u00e9sum\u00e9";
  setlocale(LC_CTYPE, "en_US.UTF-8");
  wprintf(L"name is %ls\n", name);
  return 0;
}

$ /usr/bin/gcc -std=c99 -pedantic -Wall wc.c

$ ./a.out

name is résumé

【讨论】：

虽然上面的代码确实有效，但最重要的是要提到wchar_t 不一定能够同时表示多个语言环境。它只需要足够宽以支持当前的语言环境。
“足以支持当前语言环境”即MB_CUR_MAX即size_t __ctype_get_mb_cur_max()

【解决方案3】：

wchar_t 是您要查找的类型：http://opengroup.org/onlinepubs/007908799/xsh/wchar.h.html

【讨论】：

请记住，这是一个 UNIX 规范 (SUS)，不是 ISO C 的一部分。我之所以提出它，是因为问题上没有 unix 标记。
我对如何在 C 中以 ASCII 文本呈现 é 更感兴趣，在 Perl 中我可以通过说 "\x{e9}" 来实现。问题是源是ASCII，但是需要创建UTF-8字符。
@Chas：为什么不使用 UTF-8 作为源文件编码？只要多字节序列只出现在字符串文字中，大多数编译器就不应该有任何问题......
因为源代码正在通过一个要求它是 7 位干净的系统。我很高兴我不必使用三元组（例如??= 代表#）。请注意，源代码正在通过该系统，而不是在那里编译。是的，我知道这很愚蠢。

【解决方案4】：

wchar_tsetlocale() 似乎可选

#include <stdio.h>

int main(void) {
  const char *const name = "r\u00e9sum\u00e9";
  printf("name is %s\n",name);
  return 0;
}

$ echo $LANG
en_US.UTF-8
$ /usr/bin/gcc -std=c99 -pedantic -Wall -Wextra bc.c
$ ./a.out
name is résumé

【讨论】：