C 中的 wchar_t argv -- Unicode答案

【问题标题】：wchar_t argv in C -- UnicodeC 中的 wchar_t argv -- Unicode
【发布时间】：2011-03-09 03:58:54
【问题描述】：

GCC 是否支持 Microsoft 等效的 wmain()？我正在编写 C 程序，需要始终使用 Unicode。如果不是，char可以转成wchar_t吗？

【问题讨论】：

【解决方案1】：

对于 Unicode，您不需要 wchar_t。您可以将char 用于Unicode 的utf-8 编码。另外，wchar_t 可以是不同的大小。在 Windows 上是 16 位，但在许多 Linux/Unix 平台上是 32 位。

有关 GCC 的更多信息，请参阅我通过 Google 搜索找到的这篇文章：

http://article.gmane.org/gmane.comp.gnu.mingw.user/22962

（据此，您对 GCC 是否支持wmain 的问题的答案是“否”。）

【讨论】：

你的回答和下面维杰的回答都很好。然而，这个回答是对我提出的问题的回答。

【解决方案2】：

C 的许多标准字符串函数都与编码无关。您可以使用 char* 存储 UTF-8 编码的字符串并安全地使用它们：

strcpy strncpy strcat strncat strcmp strncmp strdup strchr 
strrchr strcspn strspn strpbrk strstr strtok

其他一些函数不会为您提供 Unicode 字符串的正确结果。例如，strlen 总是计算字节数，而不是字符数。可以使用mbstowcs(NULL,s,0) 以可移植的方式在 C 中计算字符数。它将返回s 中成功转换为wchar_t 的字符数。这适用于 UTF-8，就像任何其他受支持的编码一样，只要选择了适当的语言环境。

如果您想对 Unicode 字符串进行高级操作，例如复杂的代码页转换、正则表达式、单词边界上的文本换行等，我建议您使用像 ICU 这样的好的库。

参考：Using Unicode in C/C++。

【讨论】：

感谢您的回答。这是非常有用的。我打算使用 ICU 进行转换。

【解决方案3】：

如果您想处理没有wmain 的Unicode 命令行参数，您可以使用无参数标准main 函数和Windows API 函数GetCommandLineW、CommandLineToArgvW 和LocalFree。 CommandLineToArgvW 使用与 Microsoft 运行时库相同的 same rules for command line parsing。

【讨论】：

【解决方案4】：

如果您确实想使用宽字符串，mbstowcs 会将多字节字符串转换为wchar_t 字符串。它假定多字节字符串所在的编码取决于当前语言环境的 LC_CTYPE 类别。必须用setlocale 设置它；否则您将默认获得“C”语言环境。

问题仍然是argv 中使用了什么字符编码。这可能是 UTF-8，也可能是像 Latin-1 这样的单字节编码之一。这取决于您的终端设置。尝试使用 xterm，当我在命令行上传递“é”时，argv 得到了不同的值，这取决于 xterm 继承的 LANG 的值：对于 LANG=en_US.UTF-8，它给出了“c3 a9”；对于 LANG=en_US，它给出了“e9”（我认为这是 Latin-1。）

您可以先使用setlocale(LC_CTYPE, "") 或setlocale(LC_ALL, "") 从环境中获取语言环境，以使用正确的多字节格式（从环境变量中设置）。但是，如果在终端模拟器启动后更改 LANG，您将遇到问题。

glibc 为字符集转换提供了其他几个可能更合适的函数 - 请参阅 glibc 手册的“字符集处理”部分了解更多信息。我的经验是，将 argv 中的字符串转换为给定的编码非常棘手，可能必须分两个阶段完成：一次将其转换为 wchar_t 格式，其次将其从 wchar_t 转换为所需的编码（例如 UTF-8）。

【讨论】：

我觉得这很奇怪，因为 Latin-1 和 UTF-8 是向后兼容的。
不，Latin-1 和 UTF-8 不向后兼容。 Latin-1 中字符é 的编码是E9，而UTF-8 中的编码是C3 A9。它们完全不同。完全不兼容。干杯。