c - 为什么 wprintf 将 Unicode 连字分成两个不同的字素？

Question

代码:

#include <stdio.h>
#include <wchar.h>
#define USE_W
int main()
{
#ifdef USE_W
    const wchar_t *ae_utf16 = L"\x00E6 & ASCII text ae\n";
    wprintf(ae_utf16);
#else
    const char *ae_utf8 = "\xC3\xA6 & ASCII text ae\n";
    printf(ae_utf8);
#endif
    return 0;
}

输出:

ae & ASCII text ae

当 printf 产生正确的 UTF-8 输出时:

æ & ASCII text ae

你可以测试这个 here .

Answer 1

printf 只是将原始字节发送到您的终端；它对编码一无所知。如果您的终端恰好被配置为将其解释为 UTF-8，它将显示正确的字符。

另一方面，

wprintf 确实知道编码。它behaves as though它使用函数 wcrtomb ，它将宽字符 (wchar_t) 编码为多字节序列，取决于当前的语言环境。如果默认语言环境恰好是 "C"，这是非常简约的，字符 æ 将转换为“或多或少等效”的字节序列 ae.

如果您将语言环境明确设置为使用 UTF-8 的内容，例如 "en_US.UTF-8"，则输出 is as expected .当然，受支持的语言环境集因系统而异，因此对其进行硬编码是不好的。