C中putchar的字符集

Question

我想弄清楚 putchar 使用的是什么字符集。貌似不能打印多字节字符:

putchar('€') //gcc warning: multi-character character constant

但是当 Windows 中的终端代码页设置为 1252(西欧拉丁语)并使用 chcp 1252 时，以下代码能够打印欧元符号:

putchar(128)

但是，即使终端的字符集设置为 1252，putchar('€') 也无法打印欧元符号。

任何人都可以向我解释上述(看似)的差异吗？

非常感谢。

Answer 1

char 在 C 中的所有实用目的都表示“字节”，而不是“字符”

您的源文件很可能采用 UTF-8 编码，其中欧元符号编码为以下 3 个字节:0xE2 0x82 0xAC。

putchar，顾名思义，写入单个字节。 C 作为一种语言没有“字符”或“编码”的概念，GCC 默认使用它在源文件中找到的确切字节。因此，在您的情况下，它会向标准输出打印一个字节 0xAC('€' 的最低有效字节)。它在您的编辑器中看起来如何或文件应该是什么编码并不重要。 GCC 不区分大小写，它按原样复制字节。

给定来自程序的字节流，终端显示什么，完全取决于该终端的设置。如果你想在Windows终端显示UTF-8编码的文本，你应该输入chcp 65001并将字体更改为Lucida。

由于你的编辑器根据指定的编码显示字节，而终端使用某种编码显示相同的字节，那么(只要你使用默认设置的 GCC 或 Clang)如果编辑器和终端使用相同的编码，您应该在两个程序中看到相同的字符。

编辑:关于 GCC 如何处理编码的评论很少:

有两个选项:-finput-charset 和-fexec-charset。仅当这两个选项相同时，GCC 才会按字面意思处理窄字符串和字 rune 字中的字节。如果不是，GCC 会将它们从输入编码转换为执行编码。

经过一些测试后，我得出结论，出于某种原因，您的 GCC 以 Windows-1250 作为输入编码和 UTF-8 作为 exec 编码运行。

如果您想真正确定您使用的是正确的编码，请将 -finput-charset=cp1250 -fexec-charset=cp1250 添加到编译器选项。

另外，如果您愿意，您可以通过这种方式让您的程序以控制台的默认编码运行。