c - 如何将已声明的 char 字符串(即 Unicode 字符)读取为十六进制 2 位值？

Question

给定两个字符串，我必须读取每个 unicode 值的十六进制 2 位值。忽略 ASCII 字符。

char * str1 = "⍺";
char * str2 = "alpha is ⍺, beta is β and mu is µ";

我尝试使用以下方式打印这些值:printf("<%02x>\n", str1); ，但似乎该值是错误的(也使用 (unsigned char) 执行此操作，但似乎不起作用)。

输出应该是这样的

<e2>
<e8><a2><2e>

这是我的完整代码:

#include <stdio.h>
#include <string.h>

char *str1 = "⍺";
char *str2 = "alpha is ⍺, beta is β and mu is µ";
char *str3 = "β";
char *str4 = "µ";

int main(){
    printf("<%x>\n", (unsigned char) * str1);
    printf("<%x>", (unsigned char) * str1);
    printf("<%x>", (unsigned char) * str3);
    printf("<%x>\n", (unsigned char) * str4);
}

Answer 1

此代码遍历字符串的字节，并识别“ASCII”字符(Unicode U+0000 .. U+007F)，并且通常不打印它们，对于从 U+0080 向上的 Unicode 字符，打印出 < ，代表字符的一系列十六进制数字对，最后是 >最后，带有 ><中间分隔单独的 UTF8 编码的 Unicode 字符。如果您传入一个或多个参数，它也会打印“ASCII”字符，但作为其本身，而不是十六进制编码。

#include <ctype.h>
#include <stdbool.h>
#include <stdio.h>

static void dump_str(const char *s);

static bool print_ascii = false;

int main(int argc, char **argv)
{
    const char *strings[] =
    {
        "⍺",
        "alpha is ⍺, beta is β and mu is µ",
        "At -37ºC, the £ and the € fall apart",
        "嬀£Åºüÿ",
        "⍺βµ",
    };
    enum { NUM_STRINGS = sizeof(strings) / sizeof(strings[0]) };

    // Use argv - my compilation options don't allow unused parameters to a function
    if (argc > 1 && argv[argc] == NULL)
        print_ascii = true;

    for (int i = 0; i < NUM_STRINGS; i++)
        dump_str(strings[i]);
    return 0;
}

static void dump_str(const char *s)
{
    int c;
    bool printing_ascii = true;
    while ((c = (unsigned char)*s++) != '\0')
    {
        if (isascii(c))
        {
            if (!printing_ascii)
            {
                printing_ascii = true;
                putchar('>');
            }
            if (print_ascii)
                putchar(c);
        }
        else
        {
            if (printing_ascii)
            {
                printing_ascii = false;
                putchar('<');
            }
            else
            {
                if ((c & 0xC0) != 0x80)
                {
                    putchar('>');
                    putchar('<');
                }
            }
            printf("%2x", c);
        }
    }
    if (!printing_ascii)
        putchar('>');
    putchar('\n');
}

我调用了该程序utf8-97 ;运行时，它给了我:

$ ./utf8-97
<e28dba>
<e28dba><ceb2><c2b5>
<c2ba><c2a3><c2a0><e282ac>
<c3a5><c2ac><e282ac><c2a3><c385><c2ba><c3bc><c3bf>
<e28dba><ceb2><c2b5>
$ ./utf8-97 1
<e28dba>
alpha is <e28dba>, beta is <ceb2> and mu is <c2b5>
At -37<c2ba>C, the <c2a3><c2a0>and the <e282ac> fall apart
<c3a5><c2ac><e282ac><c2a3><c385><c2ba><c3bc><c3bf>
<e28dba><ceb2><c2b5>
$ 

<c2a0>序列是一个不间断的空格，我不小心在代码中的英镑符号 £ 之后放置/留下了该空格。我不确定如果您复制答案中的代码是否会得到它。