c - Unicode 存储在 C 字符中

Question

我现在在Linux上学习C语言，遇到了一些奇怪的情况。

据我所知，标准 C 的 char数据类型为 ASCII，1 字节(8 位)。它应该意味着它只能容纳 ASCII 字符。

在我的程序中我使用 char input[] ，由 getchar 填充像这样的伪代码的功能:

char input[20];
int z, i;
for(i = 0; i < 20; i++)
{
   z = getchar();
   input[i] = z;
}

奇怪的是，它不仅适用于 ASCII 字符，而且适用于我想象的任何字符，例如 @&@{čřžŧ¶'`[łĐŧđж←^€~[←^ø{&}čž在输入上。

我的问题是 - 这怎么可能？它似乎是 C 中许多美丽的异常(exception)之一，但我真的很感激解释。是操作系统、编译器、隐藏语言的额外 super 特性的问题吗？

谢谢。

Answer 1

这里没有魔法 - C 语言让您可以访问原始字节，因为它们存储在计算机内存中。如果您的终端正在使用 utf-8(这很可能)，则非 ASCII 字符在内存中占用超过一个字节。当您再次显示时，我们的终端代码会将这些序列转换为单个显示字符。

只需更改您的代码以打印字符串的 strlen，您就会明白我的意思。

要在 C 中正确处理 utf-8 非 ASCII 字符，您必须使用一些库来为您处理它们，例如 glib、qt 或许多其他库。