非ASCII字符声明

Question

我希望存储一个字符（以便与其他字符进行比较）。

如果我像这样声明变量：

char c = 'é';

一切都运行良好，但我收到了这些警告：

warning: multi-character character constant [-Wmultichar]
   char c = 'é';
            ^
ii.c:12:3: warning: overflow in implicit constant conversion [-Woverflow]
   char c = 'é';

我认为我理解了为什么会有这些警告，但我想知道为什么它还能工作呢？而且，我是否应该像这样定义：int d = 'é'; 即使它需要更多的内存空间？此外，我还得到了以下声明的警告：

warning: multi-character character constant [-Wmultichar]

int d = 'é';

我有遗漏吗？谢谢；）

- Simon

---

它是如何工作的？'é'是否等于例如169（这不是您想要的，我猜测）？ - mafso

这段代码：char d = 'é'; char *w = "aaéaéaa"; while (*w++) { if (d == *w) printf("ok\n"); }输出 ok ok。 - Simon

在我的平台上，使用char *w = "aa\xa9" "aéaa";会得到相同的输出（0xA9是169，不是é的utf-8编码）。换句话说：如果某个字节和'é'不相等，则它们肯定不相同，但反之则不一定成立。而且你所做的事情没有可移植性的可重复结果：给出多个字符的字符常量的值是_实现定义的_。 - mafso

好的，谢谢您的澄清，但是对于您来说，什么是最好的方法呢？ - Simon

Answer 1

尝试使用 wchar_t 而不是 char。对于 ASCII 码，char 是一个字节，但对于多字节字符集（如 UTF-8），它是不合适的。此外，将您的字符文字标记为宽字符而非窄字符：

#include <wchar.h>
...
wchar_t c = L'é';

- user3553031

---

"string" 怎么声明？ - user3553031

char d = 'é'; char *w = "aaéaéaa"; while (*w++){if (d == *w) printf ("ok\n");} - Simon

使用窄字符、窄字符指针、窄字符字面值和窄字符字符串字面值无法处理宽字符数据。请改用以下代码：wchar_t d = L'é'; wchar_t *w = L"aaéaéaa"; while (*w++){if (d == *w) printf ("ok\n");} - user3553031

strtok 适用于窄字符字符串。尝试使用 wcstok。您不能混合使用窄字符和宽字符的内容，然后期望其正常工作。 - user3553031

使用 fgetws 处理宽字符。在宽字符函数的名称中，总是有一个 "w"。不幸的是，它并不总是出现在同样的位置。 - user3553031

Answer 2

"

é" 的 Unicode 代码点是 0xE9，UTF-8 编码为 "\"\xc3\xa9\""。

我假设你的源文件编码是 UTF-8，所以

"

char c = 'é';

大致相当于。

char c = '\xc3\xa9';

这段文字描述了对于多字符常量的处理方法是由实现定义的。在 GCC 中，编译器会逐个字符地评估一个多字符常量，将前一个值左移目标字符每个位的数量，并通过新字符的位模式截断为目标字符的宽度进行或运算。最终的位模式具有 int 类型，因此无论单个字符是否带符号，它都是有符号的（这与 GCC 版本 3.1 及更早版本略有不同）。如果常量中的字符数超过了目标 int 的容量，编译器会发出警告并忽略多余的前导字符。例如，在一个具有 8 位 char 的目标中，'ab' 将被解释为 (int) ((unsigned char) 'a' * 256 + (unsigned char) 'b')，而 '\234a' 则被解释为 (int) ((unsigned char) '\234' * 256 + (unsigned char) 'a')。

因此，'é' 的值为0xC3A9，它适合于int（至少适用于32位int），但不适合于（8位）char，因此将其转换为char的方式再次是实现定义：

对于转换为宽度为N的类型，该值被模2 ^N 减少以使其在类型范围内; 不发出信号。

这给出了（使用有符号char）

#include <stdio.h>
int main(void) {
    printf("%d %d\n", 'é', (char)'é');
    if((char)'é' == (char)'©') puts("(char)'é' == (char)'©'");
}

输出：

50089 -87
(char)'é' == (char)'©'

"50089是0xC3A9，87是0xA9。因此，当将é存储到char中时，会丢失信息（有些字符如©与é相等）。您可以"

使用，这是一个实现相关的宽字符类型，在Linux上占用UTF-32的4个字节：wchar_t c = L'é';。你可以通过将它们转换为区域特定的多字节编码（可能是UTF-8，但你需要先设置区域设置，参见setlocale；请注意，更改区域设置可能会更改函数如isalpha或printf的行为），或者直接使用宽字符串（使用前缀获取宽字符字符串文字）。

使用字符串并在其中存储UTF-8（例如const char *c = "é";或const char *c = "\u00e9";或const char *c = "\xc3\xa9;"，具有不同的语义；对于C11，也可以查找UTF-8字符串文字和u8前缀）。

请注意，文件流具有方向（参见）。

- mafso