最近在搗鼓C，在CSDN中第一次發帖，不對之處望指正。
本地化
很多人認為C語言只支持ascii碼，這是誤解，你用printf(“這是中文”)同樣可以輸出中文，用fputs(“C語言本地化”)也可以向檔案中寫入中文。那么C語言默認使用什么編碼呢？這與作業系統、所在區域、編譯器有很大的關系，因為C標準并未規定使用什么編碼。另外可能你會發現雖然可以輸出中文字串，但并不能用char c=’中’來宣告一個中文字符，如果用strlen(“C語言”)來求字串長度，給出的值為5，因此默認情況下C并不能很好的支持中文。如何讓C語言很好的支持中文呢？這需要我們從基本編碼概念講起。
計算機剛剛發明時，只支持ascii碼，也就是說只支持英文，隨著計算機在全球興起，各國創建了屬于自己的編碼來顯示本國文字，中文首先使用GB2132編碼，它收錄了6763個漢字，平日里我們作業學習大概只會用到3千個漢字，因此日常使用已經足夠，GBK收錄了21003個漢字，遠超日常漢字使用需求，不管是日用還是商用都能輕松搞定，因此從windows95開始就將GBK作為默認漢字編碼，而GB18030收錄了27533個漢字，為漢字研究、古籍整理等領域提供了統一的資訊平臺基礎，平常根本使用不到這種編碼。這些中文編碼本身兼容ascii，并采用變長方式記錄，英文使用一個位元組，常用漢字使用2個位元組，罕見字使用四個位元組。后來隨著全球文化不斷交流，人們迫切需要一種全球統一的編碼能夠統一世界各地字符，再也不會因為地域不同而出現亂碼，這時Unicode字符集就誕生了，也稱為統一碼，萬國碼。新出來的作業系統其內核本身就支持Unicode，由萬國碼的名稱就可以想象這是一個多么龐大的字符集，為了兼容所有地區的文字，也考慮到空間和性能，Unicode提供了3種編碼方案：
utf-8 變長編碼方案，使用1-6個位元組來儲存
utf-32 定長編碼方案，始終使用4個位元組來儲存
utf-16 介于變長和定長之間的平衡方案，使用2個或4個位元組來儲存
utf-8由于是變長方案，類似GB2132和GBK量體裁衣，最節省空間，但要通過第一個位元組決定采用幾個位元組儲存，編碼最復雜，且由于變長要定位文字，就得從第一個字符開始計算，性能最低。utf-32由于是定長方案，位元組數固定因此無需解碼，性能最高但最浪費空間。utf-16是個怪胎，它將常用的字放在編號0 ~ FFFF之間，不用進行編碼轉換，對于不常用字的都放在10000~10FFFF編號之后，因此自然的解決變長的問題。注意對于這3種編碼，只有utf-8兼容ascii，utf-32和utf-16都不支持單位元組，由于utf-8最省流量，兼容性好，后來解碼性能也得到了很大改善，同時新出來的硬體也越來越強，性能已不成問題，因此很多純文本、源代碼、網頁、組態檔等都采用utf-8編碼，從而代替了原來簡陋的ascii。再來看看utf-16，對于常見字2個位元組已經完全夠用，很少會用到4個位元組，因此通常也將utf-16劃分為定長。Windows內核使用utf-16，linux，mac，ios內核使用的是utf-8，我們就不去爭論誰好誰壞了。另外雖然windows內核為utf-16，但為了更好的本地化，控制面板提供了區域選項，如果設定為簡體就是GBK編碼，在win10中，控制臺默認編碼為gbk，文本默認編碼為utf-8，其它第三方軟體就不好說了，它們默認編碼各不相同，現在我們來看看C語言采用什么編碼。
C語言源代碼采用什么格式取決于IDE環境，通常是utf-8或ANSI，什么是ANSI編碼呢？相比unicode它是采取一種思路，嚴格來說ANSI不是一種編碼，而是一種替代方案，力求找到顯示內容的最低編碼需求，如果內容只有英文字符就使用ascii，如果發現漢字就替換成本地的GBK編碼，如果發現既有漢字又有日語又有韓語是否會自動選擇unicode這個沒有試過。前面講過C語言使用的編碼和作業系統、區域選擇、編譯器都有關系，但有一個現象，通常原始碼采用什么格式的編碼，運行時就使用這樣的編碼，因此我們可以通過源代碼先看看這個IDE會使用什么編碼。在Dev C++中測驗的結果是，如果只有英文原始碼默認采用utf8，現在的編輯器很少使用純ascii了，如果發現原始碼里面有漢字，則將編碼改為ANSI，由于windows控制臺默認使用ANSI，因此可以顯示標準輸入輸出中的漢字。
如果只需要向控制臺輸出一段字串或者向檔案中寫入一段中文，那么使用標準輸入輸出函式即可，但如果要操作字符就不行了，char資料型別不夠表示2個位元組的中文，這是歷史遺留的問題，對于變長和定長，在計算機行業種還有一個術語稱為窄字符和寬字符，此時我們需要依賴寬位元組庫wchar，匯入wchar.h后就可以使用寬位元組了，此時每個字符用2個位元組表示，也就是說wchar庫使用定長字符編碼，測驗代碼如下：
#include <stdio.h>
#include <wchar.h>
int main()
{
wchar_t wc1=L'a';
wchar_t wc2=L'寬';
printf("%d,%d",sizeof(wc1),sizeof(wc2));
return 0;
}
上面代碼使用wchar_t宣告一個寬字符，字符前面要添加L，使用sizeof()檢測的結果是無論中文還是英文都是2位元組，如果要顯示一個寬位元組符，需要換成putwchar()和wprintf()函式，如下：
#include <stdio.h>
#include <wchar.h>
#include <locale.h>
int main()
{
setlocale(LC_ALL, "");
wchar_t wc1=L'a';
wchar_t wc2=L'中';
putwchar(wc1);
putwchar(wc2);
wprintf(L"%c%c",wc1,wc2);
return 0;
}
這兩個方法需要先呼叫setlocale()函式進行初始化，告訴它們用什么編碼顯示寬字符，setlocale()的格式為：
char* setlocale (int category, const char* locale)
category是型別，表示區域編碼影響到的型別，型別有時鐘、貨幣、字符排序等，通常設定為常數LC_ALL表示影響所有型別。locale表示區域，windows和linux表示區域的方式各不相同，例如windows表示簡體中文用”chs”，linux用”zh_CN”，但有3個區域總是相同的：”C”表示中立地域，不表示任何一個地區，只對小數點進行了設定，是默認值；“”表示本地區域；NULL表示不指定區域僅僅回傳區域名稱。寬字符輸入輸出獨立于標準輸入輸出，它只認setlocale()設定的值，標準輸入輸出使用哪種編碼與它無關，而顯示寬字符用哪種編碼，用變長還是定長是編譯器的事情。如果不設定區域，默認區域為”C”，這個區域只能顯示英文，無法顯示任何中文字符，實際測驗結果也是如此，因此先要呼叫setlocale()將區域設定為本地才行。由于setlocale()包含在locale.h中，因此要先匯入locale庫，下面我們再來看看寬字串：
#include <stdio.h>
#include <wchar.h>
#include <locale.h>
int main()
{
setlocale(LC_ALL, "");
wchar_t wstr[]=L"寬字串";
wprintf(L"%s,%c\n",wstr, wstr[1]);
printf("%d",wcslen(wstr));
return 0;
}
宣告寬字串后應該使用wcslen()函式獲取字串的長度，使用下標和指標運算都能正確定位，這也是因為寬字符采用定長的原因。除此之外，字串的復制、連接等都有配套的寬字串操作方法，可以自己查詢，但是gets()和puts()沒有對應的寬字串函式是個遺憾。其實在后來的標準庫中已經加入了對寬字串的支持，測驗代碼如下：
#include <stdio.h>
#include <wchar.h>
#include <locale.h>
int main()
{
setlocale(LC_ALL, "");
wchar_t c=L'國';
wchar_t wstr[]=L"寬字串";
printf("%lc,%ls",c, wstr);
return 0;
}
這樣printf()就可以將數值、普通字符和寬字符一同輸出了，但如果你用puts()直接輸出寬字符依然是亂碼。
uj5u.com熱心網友回復：
好文，感謝分享。。uj5u.com熱心網友回復：
鼓勵支持一下uj5u.com熱心網友回復：
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/225170.html
標籤：C語言