Ich versuche zu verstehen, wie printf mit breiten Zeichen funktioniert (wchar_t).

Ich habe die folgenden Codebeispiele erstellt:

Probe 1:

#include <stdio.h>
#include <stdlib.h>

int     main(void)
{
    wchar_t     *s;

    s = (wchar_t *)malloc(sizeof(wchar_t) * 2);
    s[0] = 42;
    s[1] = 0;
    printf("%ls\n", s);
    free(s);
    return (0);
}

Ausgang :

*

Hier ist alles in Ordnung : mein Charakter (*) wird korrekt angezeigt.

Probe 2:

Ich wollte eine andere Art von Charakter zeigen. Auf meinem System wchar_t scheinen auf 4 Bytes codiert. Also habe ich versucht, das folgende Zeichen anzuzeigen:
É

#include <stdio.h>
#include <stdlib.h>

int     main(void)
{
    wchar_t     *s;

    s = (wchar_t *)malloc(sizeof(wchar_t) * 2);
    s[0] = 0xC389;
    s[1] = 0;
    printf("%ls\n", s);
    free(s);
    return (0);
}

Aber es gibt diesmal keine Ausgabe, ich habe es mit vielen Werten aus dem Abschnitt “Codierung” (vgl. vorherigen Link) versucht s[0] (0xC389, 201, 0xC9) … Aber ich bekomme das nie hin É Zeichen angezeigt. Ich habe es auch mit versucht %S Anstatt von %ls.

Wenn ich versuche, printf so aufzurufen: printf("<%ls>\n", s) das einzige gedruckte Zeichen ist '<'wird die Anzeige abgeschnitten.

Warum habe ich dieses Problem? Wie soll ich es machen?

Warum habe ich dieses Problem?

Stellen Sie sicher, dass Sie dies überprüfen errno und der Rückgabewert von printf!

#include <stdio.h>
#include <stdlib.h>
#include <wchar.h>

int main(void)
{
    wchar_t *s;
    s = (wchar_t *) malloc(sizeof(wchar_t) * 2);
    s[0] = 0xC389;
    s[1] = 0;

    if (printf("%ls\n", s) < 0) {
        perror("printf");
    }

    free(s);
    return (0);
}

Siehe die Ausgabe:

$ gcc test.c && ./a.out
printf: Invalid or incomplete multibyte or wide character

Wie repariert man

Zunächst einmal ist das Standardgebietsschema eines C-Programms C (auch bekannt als POSIX), die nur ASCII ist. Sie müssen einen Anruf hinzufügen setlocalespeziell setlocale(LC_ALL,"").

Wenn dein LC_ALL, LC_CTYPE oder LANG Umgebungsvariablen sind nicht so eingestellt, dass sie UTF-8 zulassen, wenn sie leer sind, müssen Sie explizit ein Gebietsschema auswählen. setlocale(LC_ALL, "C.UTF-8") funktioniert auf den meisten Systemen – C ist Standard, und die UTF-8 Teilmenge von C wird allgemein umgesetzt.

#include <stdio.h>
#include <stdlib.h>
#include <locale.h>
#include <wchar.h>

int main(void)
{
    wchar_t *s;
    s = (wchar_t *) malloc(sizeof(wchar_t) * 2);
    s[0] = 0xC389;
    s[1] = 0;

    setlocale(LC_ALL, "");

    if (printf("%ls\n", s) < 0) {
        perror("printf");
    }

    free(s);
    return (0);
}

Siehe die Ausgabe:

$ gcc test.c && ./a.out
쎉

Der Grund, warum das falsche Zeichen ausgedruckt wird, ist weil wchar_t steht für ein Breitzeichen (z. B. UTF-32), nicht für ein Multibyte-Zeichen (z. B. UTF-8). Beachten Sie, dass wchar_t ist in der GNU-C-Bibliothek immer 32 Bit breit, aber der C-Standard verlangt dies nicht. Wenn Sie das Zeichen mit der initialisieren UTF-32BE codieren (bzw 0x000000C9), dann wird es korrekt ausgedruckt:

#include <stdio.h>
#include <stdlib.h>
#include <locale.h>
#include <wchar.h>

int main(void)
{
    wchar_t *s;
    s = (wchar_t *) malloc(sizeof(wchar_t) * 2);
    s[0] = 0xC9;
    s[1] = 0;

    setlocale(LC_ALL, "");

    if (printf("%ls\n", s) < 0) {
        perror("printf");
    }

    free(s);
    return (0);
}

Ausgabe:

$ gcc test.c && ./a.out
É

Beachten Sie, dass Sie auch die festlegen können LC (lokale) Umgebungsvariablen über die Kommandozeile:

$ LC_ALL=C.UTF-8
$ ./a.out
É

Ein Problem besteht darin, dass Sie versuchen, UTF-8, bei dem es sich um ein Einzelbyte-Codierungsschema handelt, als Multibyte-Codierung zu codieren. Für UTF-8 verwenden Sie plain char.

Beachten Sie auch, dass Sie, weil Sie versuchen, die UTF-8-Sequenz in einen Multi-Byte-Typ zu kombinieren Endianität (Byte-Reihenfolge) Probleme (in memory 0xC389 könnte gespeichert werden als 0x89 und 0xC3in dieser Reihenfolge). Und dass der Compiler auch Ihre Nummer vorzeichenerweitert (falls sizeof(wchar_t) == 4 und du schaust zu s[0] in einem Debugger könnte es sein 0xFFFFC389).

Ein weiteres Problem ist das Terminal oder die Konsole, die Sie zum Drucken verwenden. Vielleicht unterstützt es einfach nicht UTF-8 oder die anderen Codierungen, die Sie ausprobiert haben?

Ich habe einen einfachen Weg gefunden, breite Zeichen zu drucken. Ein wichtiger Punkt ist setlocale()

#include <stdio.h>
#include <wchar.h>
#include <locale.h>

int main(int argc, char *argv[])
{
    setlocale(LC_ALL, "");
    // setlocale(LC_ALL, "C.UTF-8"); // this also works

    wchar_t hello_eng[] = L"Hello World!";
    wchar_t hello_china[] = L"世界, 你好!";
    wchar_t *hello_japan = L"こんにちは日本!";
    printf("%ls\n", hello_eng);
    printf("%ls\n", hello_china);
    printf("%ls\n", hello_japan);

    return 0;
}