char与wchar_t的区别

Question

我要尝试打印一个wchar_t*类型的字符串。 以下是代码:

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

char *ascii_ = "中日友好";  //line-1
wchar_t *wchar_ = L"中日友好";  //line-2

int main()
{
    printf("ascii_: %s\n", ascii_);  //line-3
    wprintf(L"wchar_: %s\n", wchar_);  //line-4
    return 0;
}

//Output
ascii_: 中日友好

问题：

1. 显然，我不应该在第一行中将CJK字符分配给char*指针，但我却这样做了，而第三行的输出是正确的。为什么？printf()在第三行如何给我提供非ASCII字符？它是否知道编码方式？

2. 我假设第二行和第四行的代码是正确的，但为什么我没有得到第四行的输出？

- Alcott

---

你在使用哪个编译器？GCC 在大多数平台上默认使用 Utf-8 编码。对我来说，这似乎是一个编码问题。 - cyco130

Answer 1

首先，在源代码中使用非ASCII字符通常不是一个好主意。可能发生的情况是，中文字符被编码为与ASCII兼容的UTF-8格式。

至于为什么wprintf()不起作用，这与流方向有关。每个流只能设置为普通或宽字符，一旦设置就无法更改。第一次使用时进行设置（由于使用了printf，因此使用的是ASCII）。之后，由于方向不正确，wprintf将无法工作。

换句话说，一旦使用了printf()，就需要继续使用printf()。同样地，如果从wprintf()开始，就需要继续使用wprintf()。

不能混合使用printf()和wprintf()。（除了在Windows上）

编辑：

回答关于wprintf行即使单独使用也无法工作的问题。这可能是因为编译代码时，中日友好的UTF-8格式存储到wchar_中。然而，wchar_t需要4字节的Unicode编码。（在Windows中是2字节）

因此，我可以想到两个选项：

1. 不要使用wchar_t，只使用多字节的char。这是简单的方法，但如果用户的系统未设置为中文区域，则可能会出现问题。

2. 使用wchar_t，但需要使用Unicode转义序列对中文字符进行编码。这显然会使源代码难以阅读，但它将在任何可以打印中文字符字体的机器上工作，而不受区域设置的影响。

- Mysticial

---

如果使用Unicode转义序列，我需要找出每个中文字的序列，对吧？那将会是很多工作要做，:P - Alcott

正确。但是我相信这种情况很常见，你可以在网上找到一个工具，只需复制并粘贴中文文本，它就会给你提供Unicode转义序列。为了保持代码的可读性，你可以将实际的中文文本与转义序列放在注释旁边。 - Mysticial

我们开始吧，我已经找到一个：http://www.rishida.net/tools/conversion/：`中日友好 -> "\u4E2D\u65E5\u53CB\u597D"`。 - Mysticial

Answer 2

第一行并不是ascii码，它的编码方式取决于编译器在编译时所使用的多字节编码方式。在现代系统中，这可能是UTF-8。

printf 函数不知道编码方式。它只是将字节发送到 stdout，只要编码方式匹配，一切都没问题。

你应该注意的一个问题是，在同一个 FILE（stdout） 上混合使用基于字符和宽字符的 IO 操作将导致未定义行为。在第一次操作之后，FILE 就有了“方向”（字节或宽字符），此后任何尝试执行相反方向操作的尝试都会导致未定义行为。

- R.. GitHub STOP HELPING ICE

---

我注释掉了printf()这一行，我得到了一些输出，但没有中文字符。为什么？ - Alcott

本地编码是什么？如何修复它？ - Alcott

@Alcott：我刚刚更新了我的回答。我本来想把它作为评论添加在这里，但是太长了。 - Mysticial

Answer 3

你忽略了一个步骤，因此想法错误。

你有一个包含字节的C文件。你有一个“ASCII”字符串和一个宽字符串。

ASCII字符串将字节按照第一行中的方式输出。只要用户端的编码与程序员端的编码相同，这就可以正常工作。

宽字符串首先将给定的字节解码为Unicode代码点并存储在程序中-也许在你这边出了问题。在输出时，它们根据用户端的编码再次进行编码。这确保这些字符被发射为它们预期的样子，而不是输入的样子。

要么你的编译器假设了错误的编码，要么你的输出终端设置错误。

- glglgl