c - C 如何处理包含空字符的多字节字符？

Question

这个问题在这里已经有了答案:





What is a multibyte character set?

(9 个回答)


去年关闭。




C11 标准的第 5.2.1.2.1 节规定:

A byte with all bits zero shall be interpreted as a null character independent of shift state. Such a byte shall not occur as part of any other multibyte character.

我认为，这清楚地表明多字节字符的任何字节都不能为零。如果是这样，则下面的示例将不起作用(因为字符包含零字节)；但确实如此。

char16_t wc= u'\u1200';
char16_t wcs[] = u'\u1200\u1300';
printf("%#x, %#x, %#x\n", wc, wcs[0], wcs[1]);           

为什么？我在这里缺少什么？

Answer 1

我认为您误解了术语多字节字符(这可能是一个模棱两可的术语)。例如，来自 this page :

The term “multibyte character” is defined by ISO C to denote a byte sequence that encodes an ideogram, no matter what encoding scheme is employed. All multibyte characters are members of the “extended character set.” A regular single-byte character is just a special case of a multibyte character. The only requirement placed on the encoding is that no multibyte character can use a null character as part of its encoding.

因此，您引用的条件是指作为 数组的字符串。单字节 元素，但可以包含需要多个单字符元素来表示的字符。
char16_t您使用的类型是 宽字符 ，其中所有可表示的字符都被编码为 2 字节值 - 即使是像 ASCII 这样“简单”的东西'A'，即 0x0041 .

编辑:我意识到我上面写的内容令人困惑!然而，在寻找一些澄清的基础时，我遇到了这篇 Stack Overflow 帖子: What is a multibyte character set?我无法真正改进那里给出的答案，所以也许它可以用作“重复”。