c - 如何将完整的 UTF-8 十六进制值读入 int

Question

我想做的是得到一个 int接受 UTF-8-16-32 字符，这样做应该能够判断它是 UTF-8、UTF-16 还是 UTF-32。

我使用 fopen(fp, "rb") 从文本文件读取二进制值。我遇到一个问题，单个字符被分成两个字节。

例如，如果我尝试读取一个字符 CENT SIGN

文本文件input.txt包含:

¢

我得到:

utf code:       LATIN CAPITAL LETTER A WITH CIRCUMFLEX
binary:         11000010
hexadecimal:    0xC2
decimal:        194
character:      �

utf code:       CENT SIGN
binary:         10100010
hexadecimal:    0xA2
decimal:        162
character:      �

utf code:       LINE FEED (LF)
binary:         00001010
hexadecimal:    0xA
decimal:        10
character:

代码:

int ch;
while ((ch = fgetc(stream)) != EOF) {
    printf(“utf code:\t”);
    findCode(ch); // HERE

    write(1, “binary:         “, 16);
    printBits(ch);

    printf(“\nhexadecimal:\t%X”, ch);

    printf(“\ndecimal:\t%d”, ch);

    printf(“\ncharacter:\t%c\n\n”, ch);
}

注意:在 UTF-8 数据库中，二进制值 CENT SIGN是 0xC2A2或11000010:10100010

Answer 1

问题是 fgetc 只能读取 1 个字节。