处理路径长度的问题答案

【问题标题】：Problem with handling path length处理路径长度的问题
【发布时间】：2011-08-18 11:45:26
【问题描述】：

我正在创建库，用于在 linux 和 windows 上进行文件操作。所以我需要处理路径，主要要求是我的函数将接收 UTF8 格式的字符串。但这会导致一些问题，其中之一是我在 Windows 上使用 MAX_PATH 在 linux 上使用 PATH_MAX 来表示静态路径变量。在ASCII字符的情况下没有问题，但是当path包含unicode字符时，如果unicode char需要2个字节/ char，则路径长度将缩短两倍，如果unicode char需要3个字节/char，则路径长度将缩短3倍，依此类推.那么这个问题有好的解决方案吗？

提前致谢！

附言对不起我的英语。

【问题讨论】：

标签： c utf-8

【解决方案1】：

至少在 Linux 上，您的担心似乎是错误的。 Linux（以及一般的 POSIX）将路径视为以“\0”结尾的不透明字节块。它不关心这些字节如何转换为字符。也就是说，PATH_MAX 以字节而不是字符为单位指定路径名的最大长度。

因此，如果路径名包含 >= 0 个多字节 UTF-8 字符，则仅表示字符的最大路径长度为

【讨论】：

【解决方案2】：

UTF-8 是多字节编码格式，每个字符 1 到 4 个字节。由于您想静态定义最大路径值，您可能需要将最大路径定义为n*4（其中n 是您要定义的ASCII 字符的路径长度）以适应UTF-8 编码字符。

【讨论】：

你不能定义PATH_MAX：它是一个系统常量，固定在文件系统中。
是的，但这是最坏的情况
我并不是要定义 MAX_PATH/PATH_MAX（我从来没有提到这些宏 :)）而是将自己的最大路径值定义为 n*4
嗯，是的，但是如果你把它们限制在他们习惯长度的 1/4，你将不会让任何人高兴。您必须考虑适合您不是任何文件系统的编码（和规范化，如果有的话）。
每个字符不要使用 n*4 字节，恕我直言，最好使用动态字符串字符。

【解决方案3】：

这完全取决于你需要什么。

如果您想要 MAX_PATH 的 字节数，您只需将缓冲区定义为 char name[MAX_PATH]。如果您想要MAX_PATH 字符的数量，请将缓冲区定义为char name[MAX_PATH * 4]，因为 UTF-8 将每个 Unicode 字符编码为 1 到 4 个八位字节的可变数量.

总之，正如 janneb 指出的那样，MAX_PATH (or PATH_MAX) 指定底层字节数而不是字符。

【讨论】：

“总之，... MAX_PATH（或 PATH_MAX）指定底层字节数而不是字符数。”我知道，我想要 MAX_PATH 的字符，你上面提供的方法是最坏的情况，我想要更有效的方法，而不是为每个字符串分配 4*MAX_PATH 字节。
如果您想要更有效的东西，请分配 PATH_MAX 字节，因为系统无论如何都无法处理更长的路径，如我的回答中所述。如果您将较长的字符串作为库的输入，则需要返回错误或截断字符串。
这不是解决方案，因为在 unicode 字符的情况下，我的 lib 可以处理的路径长度将非常短。
处理长于系统自身能力的路径名有什么价值，可能有人会问。或者相反，如果您不关心系统限制，为什么要首先讨论 PATH_MAX？
@janneb，我误解了你的第一个回复[第二个我什至不明白，我的英语不够好）]，我想我会像你写的那样做，只有一个例外，我将检查路径中的字符数，而不是检查字节数。

【解决方案4】：

Microsoft 不使用 UCS-2 或 UTF-16 作为其路径名，因此 MAX_PATH 的长度反映了 16 位 代码单元，甚至没有正确的字符？

我知道 Apple 使用 UTF-16，并且路径名中的每个组件最多可以是 256 个 UTF-16 代码单元而不是字符，并且它从很长的过去。

如果有必要，我怀疑您必须首先进行规范化，例如 Apple 的 NFD，然后编码为您的本机文件系统的内部格式，然后检查长度。

当您进行比较时，请务必记住 Unix 使用 8 位代码单元，Microsoft 和 Apple 使用 16 位代码单元，而且似乎没有人会费心实际使用抽象字符。如果他们使用 UTF-32，他们可以做到这一点，但没有人会在文件系统中浪费那么多空间。可惜了。

【讨论】：