我正在为一个使用文件作为参数的应用程序编写一个小包装器。
包装器需要使用 Unicode，所以我使用 wchar_t 来处理我拥有的字符和字符串。现在我发现自己遇到了一个问题，我需要将程序的参数放在 wchar_t 数组和 wchar_t 字符串中。
有可能吗？我将main 函数定义为
int main(int argc, char *argv[])
我应该为argv 使用 wchar_t 吗？
非常感谢，我似乎没有找到有关如何在 C 中正确使用 Unicode 的有用信息。
【问题讨论】：
标签： c unicode command-line-arguments
一般来说，不会。这将取决于操作系统，但 C 标准规定 'main()' 的参数必须是 'main(int argc, char **argv)' 或等价物，所以除非 char 和 wchar_t 是相同的基本类型，你做不到。
话虽如此，您可以将 UTF-8 参数字符串放入程序中，将它们转换为 UTF-16 或 UTF-32，然后继续生活。
在 Mac（10.5.8，Leopard）上，我得到：
Osiris JL: echo "ï€" | odx
0x0000: C3 AF E2 82 AC 0A ......
0x0006:
Osiris JL:
这都是 UTF-8 编码的。 （odx 是一个十六进制转储程序）。
另请参阅：Why is it that UTF-8 encoding is used when interacting with a UNIX/Linux environment
【讨论】：
可移植代码不支持它。 Windows（例如）支持使用wmain 而不是main，在这种情况下 argv 作为宽字符传递。
【讨论】：
在 Windows 上，您可以使用 GetCommandLineW() 和 CommandLineToArgvW() 生成 argv 样式的 wchar_t[] 数组，即使应用程序未针对 Unicode 进行编译。
【讨论】：
无论如何，在 Windows 上，您都可以使用 wmain() 进行 UNICODE 构建。虽然不便携。我不知道 GCC 或 Unix/Linux 平台是否提供类似的东西。
【讨论】：
假设您的 Linux 环境使用 UTF-8 编码，那么以下代码将使您的程序准备好在 C++ 中轻松进行 Unicode 处理：
int main(int argc, char * argv[]) {
std::setlocale(LC_CTYPE, "");
// ...
}
接下来，wchar_t 类型在 Linux 中是 32 位的，这意味着它可以保存单独的 Unicode 代码点，您可以安全地使用 wstring 类型在 C++ 中进行经典字符串处理（逐个字符）。使用上面的 setlocale 调用，插入到 wcout 将自动将您的输出转换为 UTF-8，从 wcin 提取将自动将 UTF-8 输入转换为 UTF-32（1 个字符 = 1 个代码点）。剩下的唯一问题是 argv[i] 字符串仍然是 UTF-8 编码的。
您可以使用以下函数将 UTF-8 解码为 UTF-32。如果输入字符串损坏，它将返回正确转换的字符，直到 UTF-8 规则被破坏的地方。如果您需要更多错误报告，您可以改进它。但是对于 argv 数据，可以安全地假设它是正确的 UTF-8：
#define ARR_LEN(x) (sizeof(x)/sizeof(x[0]))
wstring Convert(const char * s) {
typedef unsigned char byte;
struct Level {
byte Head, Data, Null;
Level(byte h, byte d) {
Head = h; // the head shifted to the right
Data = d; // number of data bits
Null = h << d; // encoded byte with zero data bits
}
bool encoded(byte b) { return b>>Data == Head; }
}; // struct Level
Level lev[] = {
Level(2, 6),
Level(6, 5),
Level(14, 4),
Level(30, 3),
Level(62, 2),
Level(126, 1)
};
wchar_t wc = 0;
const char * p = s;
wstring result;
while (*p != 0) {
byte b = *p++;
if (b>>7 == 0) { // deal with ASCII
wc = b;
result.push_back(wc);
continue;
} // ASCII
bool found = false;
for (int i = 1; i < ARR_LEN(lev); ++i) {
if (lev[i].encoded(b)) {
wc = b ^ lev[i].Null; // remove the head
wc <<= lev[0].Data * i;
for (int j = i; j > 0; --j) { // trailing bytes
if (*p == 0) return result; // unexpected
b = *p++;
if (!lev[0].encoded(b)) // encoding corrupted
return result;
wchar_t tmp = b ^ lev[0].Null;
wc |= tmp << lev[0].Data*(j-1);
} // trailing bytes
result.push_back(wc);
found = true;
break;
} // lev[i]
} // for lev
if (!found) return result; // encoding incorrect
} // while
return result;
} // wstring Convert
【讨论】：
在 Windows 上，您可以使用 tchar.h 和 _tmain，如果在编译时定义了 _UNICODE 符号，它们将转换为 wmain，否则将转换为 main。如果定义了 unicode，则 TCHAR *argv[] 将类似地扩展为 WCHAR * argv[]，否则将扩展为 char * argv[]。
如果你想让你的 main 方法跨平台工作，你可以定义自己的宏来达到同样的效果。
TCHAR.h 包含许多方便的宏，用于在 wchar 和 char 之间进行转换。
【讨论】：
wmain，只支持main(int argc, char *argv[])，因此对于使用宽字符的程序，您需要转换参数