如何在 C 中使用 printf 和 scanf 处理 char16_t 或 char32_t？

Question

如果我写：

char a = 'A';
printf("%x %c", a, a);

它将产生输出“41 A”。 我写的时候也是这样

char32_t c = U'????';
printf("%x %c", c, c);  //even tried %lc and %llc

它将产生输出“1f34c L”而不是预期的“1f34c ????”！

这里有什么问题吗？如何将 char16_t 和 char32_t 字符打印到标准输出？

另外，我应该使用哪个格式说明符从 scanf 获取 char16_t / char32_t 输入？

char32_t c;
scanf("%c", &c); //????
printf("%x %c", c, c);

这将产生输出“f0 �”。

Answer 1

我已经给出了HEX 格式symbol = 0x0001F34C 的值，还有其他方法可以解决这个问题，这就是我知道如何检查c 中的以下代码，我们无法使用%c 或仅使用printf here is explain why to use wchar_t instead of char @ 打印符号987654329@ 有 UTF-8 编码，而 wchar_t 有 UTF-32，这增加了它的范围

#include <stdio.h>
#include <wchar.h>
#include <locale.h>
int main() {
    setlocale(LC_CTYPE, "");
    wchar_t symbol = 0x0001F34C;
    wprintf(L"%x %lc\n",symbol,symbol);
}

output: 1f34c ?

检查以下链接 Printing a Unicode Symbol in C，UNICODE of emoji banana，char32_t

Answer 2

char16_t 和 char32_t 没什么特别的。它们实际上只是uint_least16_t 和uint_least32_t。他们没有那么大的支持。它们的唯一用途基本上是 u 和 U 文字。它们可能不是是 UTF-16 和 UTF-32 - 在假设它们是之前检查 __STDC_UTF_16__ 和 __STDC_UTF_32__ 宏。只有非常基本的转换函数是标准的。在标准中，只有将char16_t 或char32_t 转换为多字节编码并返回的函数。要对它们进行更多任何操作，您必须自己实现它。

C 语言实际上有两种编码 - 区域设置相关多字节字符表示和宽字符表示。

这里有什么问题吗？

您在源文件中键入的'?' 字符 被编译器解释为某个特定于实现的值。 Gcc 将使 ? 成为 UTF-8，然后 gcc preprocessor 将值向左移动，因此 '?' 等于 (int)0xF09F8D8C 在 gcc 上 - 多字符文字 @987654337 的行为@ 是实现定义的。然后将该字符的值分配给char32_t。这根本不是 UTF-32 值。

如何将 char16_t 和 char32_t 字符打印到标准输出？

将它们转换为多字节字符串。然后用%s打印出来。

#include <stdlib.h>
#include <uchar.h>
#include <stdio.h>
#include <wchar.h>
#include <limits.h>
#include <string.h>
#include <errno.h>
#include <locale.h>
int main() {
    setlocale(LC_ALL, "en_US.UTF-8");
    char32_t c = U'?';
    char buf[MB_LEN_MAX + 1] = {0};
    mbstate_t ps;
    memset(&ps, 0, sizeof(ps));
    c32rtomb(buf, c, &ps);
    printf("%s\n", buf);
}

打印数据取决于区域设置，因为打印是在用户指定的区域设置中完成的。默认语言环境是C，不支持UTF。所以首先你必须将你的语言环境设置为兼容 utf 的东西。然后拨打c32rtomb。请注意，流在第一次在glibc 中打印时会选择编码 - 请确保在对要使用的流执行任何操作之前调用setlocale。

我应该使用哪个格式说明符从 scanf 获取 char16_t / char32_t 输入？

没有，没有。您应该使用wchar_t 或普通的char 字符串来读取用户在其语言环境中指定的编码的字符。然后，您可以根据需要与char16_t 和char32_t 相互转换。如果您想专门读取 UTF-32 字符，则必须自己编写以确保您的代码读取 UTF-32 字符。我推荐libunistring。