Question

我正在使用C语言进行编程，并希望所有UTF（即“ru_RU-UTF-8”，“en_EN-UTF-8”等）都可以继续转换为wchar_t版本（使用mbrtowc函数）。只要它在某些地方是有效的wchar_t，它甚至无法转换为哪个wchar_t。

我可以将“UTF-8-whatever”设置传递给区域设置吗？

就像我正在寻找与setlocale("POSIX") / setlocale("C")完全相反的内容。

澄清一下，C代码......

setlocale(LC_ALL, "ru_RU.UTF-8");
stuff = mbrtowc(..... )

有效，C代码......

setlocale(LC_ALL, "en_US.UTF-8");
stuff = mbrtowc(..... )

在遇到西里尔语时立即返回-1。我正在处理的东西也可能有日文字符等......

Answer 1

C语言环境和wchar函数的问题在于它们与平台高度相关。对于它的价值，我在使用Linux上的en_US.UTF-8语言环境（Ubuntu 16.04）将Cyrillic UTF-8转换为wchars时没有问题。以下代码

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

int main() {
    const char in[] = "\xD0\xB1";
    wchar_t out;
    size_t consumed;

    setlocale(LC_ALL, "en_US.UTF-8");
    consumed = mbrtowc(&out, in, sizeof(in) - 1, NULL);
    if (consumed > 0) {
        printf("%04x\n", (unsigned)out);
    }

    return 0;
}

打印

正如所料。在其他平台上，您的里程可能会有所不同像Windows一样的16位wchar_t的平台特别成问题。但是一个理智的平台应该能够使用任何UTF-8语言环境对所有Unicode字符进行编码和解码，因此不需要通用的UTF-8语言环境。

如果您只是想使用UTF-8，您应该考虑使用一个用于UTF-8转换的库，如iconv，utf8proc，libunistring或ICU。您也可以编写自己的转换例程。这不是太难。

是否有适用于任何语言/国家/地区的UTF-8语言环境？

1 个答案: