c - C/POSIX 语言环境中扩展字节/字符的行为

Question

C 和 POSIX 都只要求在 C/POSIX 语言环境中出现一组非常有限的字符，但允许存在其他字符。这为实现留下了很大的自由；例如，在 C 语言环境中支持所有 Unicode(如 UTF-8)是符合规范的行为。然而，大多数历史实现将 C 语言环境视为具有“8 位干净”的单字节字符编码，即 ISO-8859-1 (Latin-1) 或一种“抽象的 8 位字符集”，其中非 ASCII 字节是没有特定标识的抽象字符。 (但是，在后一种情况下，如果编译器定义了 __STDC_ISO_10646__，它们通常对应于 Unicode 字符，通常是 Latin-1 范围。)

另一个似乎不那么受欢迎的合规选项是将所有非 ASCII 字节视为非字符，即用 EILSEQ 错误响应它们。

我感兴趣的是，在实现 C 语言环境时是否有采用此选项或任何其他不寻常选项的实现。是否存在尝试在 C 语言环境中转换“高字节”导致 EILSEQ 或除了将它们视为(抽象或 Latin-1)单字节字符或 UTF-8 之外的任何其他内容的实现？

Answer 1

从您的评论到上一个答案:

The ways in which the assumption could be wrong are basically that bytes outside the portable character set could be illegal non-character bytes (EILSEQ) or make up some multibyte encoding (UTF-8 or a stateless legacy CJK encoding)

Here你可以找到一个例子。

Plan 9 仅支持“C”语言环境。正如您在 utf.c 中看到的那样和 rune.c , 当它在可移植字符之外发现 rune 时，它只是将其作为来自不同编码的字符处理。

另一个候选人可能是Minix和 *BSD family (就他们使用 citrus 而言)。在 Minix 源代码中我还找到了 file command当字符大小不是 8 位时寻找新的编码。