在 C 中正确处理 128..255 个字符答案

【问题标题】：Proper handling of 128..255 chars in C在 C 中正确处理 128..255 个字符
【发布时间】：2020-10-21 22:07:02
【问题描述】：

我需要处理一些 Win-1251 编码的文本（8 位编码，对西里尔文使用 128..255 中的一些）。据我所知，创建 C 时考虑了 7 位 ASCII，没有明确支持 127 以上的单字节字符。所以我有几个问题：

哪种类型更适合此文本：char[] 或 unsigned char[]？
如果我将unsigned char[] 与内置函数（strlen、strcmp）一起使用，编译器会警告char* 的隐式转换。这样的演员阵容能打破什么吗？我应该重新实现一些函数来明确支持unsigned char 字符串吗？

【问题讨论】：

为了您的目的，您可以检查您的编译器，如果它使用 char 的有符号或无符号值。检查您可能使用的所有编译器。大多数编译器还有一个标志来更改 char 的“符号”。

【解决方案1】：

C 具有三种不同的字符类型，signed char、unsigned char 和 char，它们可以是有符号的也可以是无符号的。对于字符串，您应该只使用char，因为它可以很好地与所有内置函数配合使用。它们也适用于数值大于 127 的字符。使用 char 应该没有问题。

【讨论】：

char * 适用于strlen，但其他人，如isspace，采用unsigned char 值。
@EricPostpischil：没有。 isspace 采取int。通常单个字符作为int 传递，以与旧C 兼容。
是的。通常，您可以使用标准字符串函数，而不管 char 的符号（POSIX 系统和许多其他系统，其中 char 是单个字节）。但这仅在您使用不检查字符语义的函数时才有效（例如，用于排序、检查字母数字字符等）
@GiacomoCatenazzi：正如我所写，isspace 和其他 <ctype.h> 函数采用 unsigned char 值。参数的类型当然是int，但其中的值应该是非负数或EOF，根据C 2018 7.4 1：“在所有情况下，参数都是@987654337 @，其值应可表示为unsigned char 或应等于宏EOF 的值。如果参数有任何其他值，则行为未定义。”如果你有一个x 的char 的数组，并且char 是有符号的，则将x[i] 传递给isspace 可以传递一个负值，并且行为未定义。
@GiacomoCatenazzi：另一个方向也有问题。例如，fgetc 返回转换为 int 的 unsigned char。如果将此值分配给char，则会对其进行转换。如果char 已签名并且unsigned char 值在char 中不可表示，则行为不可移植——C 标准说转换的结果是实现定义的或引发实现定义的信号。