接受非 ASCII 字符

Question

考虑这个程序：

#include <stdio.h>

int main(int argc, char* argv[]) {
   printf("%s\n", argv[1]);  
   return 0;
}

我是这样编译的：

x86_64-w64-mingw32-gcc -o alpha alpha.c

问题是如果我给它一个非 ASCII 参数：

$ ./alpha róisín
r�is�n

如何编写和/或编译该程序以使其接受非 ASCII 人物？回复alk：不，程序打印错误。看 这个例子：

$ echo Ω | od -t x1c
0000000  ce  a9  0a
        316 251  \n
0000003

$ ./alpha Ω | od -t x1c
0000000  4f  0d  0a
          O  \r  \n
0000003

Answer 1

最简单的方法是使用wmain：

#include <fcntl.h>
#include <stdio.h>

int wmain (int argc, wchar_t** argv) {
  _setmode(_fileno(stdout), _O_WTEXT);
  wprintf(L"%s\n", argv[1]);
  return 0;
}

也可以用GetCommandLineW完成；这是代码的简单版本 在HandBrake repo找到：

#include <stdio.h>
#include <windows.h>

int get_argv_utf8(int* argc_ptr, char*** argv_ptr) {
  int argc;
  char** argv;
  wchar_t** argv_utf16 = CommandLineToArgvW(GetCommandLineW(), &argc);
  int i;
  int offset = (argc + 1) * sizeof(char*);
  int size = offset;
  for (i = 0; i < argc; i++)
    size += WideCharToMultiByte(CP_UTF8, 0, argv_utf16[i], -1, 0, 0, 0, 0);
  argv = malloc(size);
  for (i = 0; i < argc; i++) {
    argv[i] = (char*) argv + offset;
    offset += WideCharToMultiByte(CP_UTF8, 0, argv_utf16[i], -1,
      argv[i], size-offset, 0, 0);
  }
  *argc_ptr = argc;
  *argv_ptr = argv;
  return 0;
}

int main(int argc, char** argv) {
  get_argv_utf8(&argc, &argv);
  printf("%s\n", argv[1]);
  return 0;
}

Answer 2

由于您使用的是 MinGW（实际上是 MinGW-w64，但在这种情况下这无关紧要），您可以访问 Windows API，因此以下内容应该适合您。它可能更干净并且经过正确测试，但至少应该提供一个好主意：

#define _WIN32_WINNT 0x0600
#include <errno.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <wchar.h>

#include <windows.h>

int main (void)
{
    int       argc;
    int       i;
    LPWSTR    *argv;

    argv = CommandLineToArgvW(GetCommandLineW(), &argc);
    if (argv == NULL)
    {
        FormatMessageA(
            (
                FORMAT_MESSAGE_ALLOCATE_BUFFER |
                FORMAT_MESSAGE_FROM_SYSTEM |
                FORMAT_MESSAGE_IGNORE_INSERTS),
            NULL,
            GetLastError(),
            0,
            (LPWSTR)&error, 0,
            NULL);

        fprintf(stderr, error);
        fprintf(stderr, "\n");
        LocalFree(error);
        return EXIT_FAILURE;
    }

    for (i = 0; i < argc; ++i)
        wprintf(L"argv[%d]: %ls\n", i, argv[i]);

    // You must free argv using LocalFree!
    LocalFree(argv);

    return 0;
}

请记住这一点：Windows 不会为您编写字符串。我使用自己的 Windows 键盘布局，它使用组合字符（我很奇怪），所以当我输入

example -o àlf

在我的 Windows 命令提示符中，我得到以下输出：

argv[0]: example
argv[1]: -o
argv[2]: a\u0300lf

a\u0300 是 U+0061 (LATIN SMALL LETTER A)，后跟 Unicode 代码点 U+0300 (COMBINING GRAVE ACCENT) 的表示形式。如果我改为使用

example -o àlf

使用预组合字符U+00E0 (LATIN SMALL LETTER A WITH GRAVE)，输出会有所不同：

argv[0]: example
argv[1]: -o
argv[2]: \u00E0lf

其中\u00E0 是由Unicode 代码点U+00E0 表示的预组合字符à 的表示。然而，虽然我可能是一个奇怪的人这样做，Vietnamese code page 1258 实际上包括组合字符。这通常不会影响文件名处理，但可能会遇到一些困难。

对于只是字符串的参数，您可能需要使用NormalizeString 函数来研究规范化。其中链接的文档和示例应该可以帮助您了解该功能的工作原理。规范化和 Unicode 中的其他一些事情可能是一段漫长的旅程，但如果这类事情让您兴奋，这也是一段有趣的旅程。

Answer 3

尝试编译并运行以下程序：

#include <stdio.h>

int main()
{
    int i = 0;

        for( i=0; i<256; i++){
            printf("\nASCII Character #%d:%c ", i, i);
        }

        printf("\n");

    return 0;
}

在您的输出中，您应该会看到从 128 号开始的小问号。仅供参考，我使用的是 Ubuntu，当我编译和运行这个程序（使用 GNOME 终端）时，这也发生在我身上。

但是，如果我转到 Terminal > Set character encoding... 并选择 Western (WINDOWS-1252) 而不是 Unicode (UTF-8)，然后重新运行程序，扩展的 ASCII 字符会正确显示。

我不知道 Windows/MinGW 的确切步骤，但简而言之，更改字符编码应该可以解决您的问题。