c语言中文网_在C语言中使用中文字符

大部分C语言教材对中文字符的处理讳莫如深，甚至只字不提，导致很多初学者认为C语言只能处理英文，而不支持中文。其实C语言是一门全球化的编程语言，它支持世界上任何一个国家的语言文化，包括中文、日语、韩语等。

中文字符的存储

正确地存储中文字符需要解决两个问题。

1) 足够长的数据类型

char 只能处理 ASCII 编码中的英文字符，是因为 char 类型太短，只有一个字节，容纳不下我大中华几万个汉字，要想处理中文字符，必须得使用更长的数据类型。一个字符在存储之前会转换成它在字符集中的编号，而这样的编号是一个整数，所以我们可以用整数类型来存储一个字符，比如 unsigned short、unsigned int、unsigned long 等。

2) 选择包含中文的字符集

C语言规定，对于汉语、日语、韩语等 ASCII 编码之外的单个字符，也就是专门的字符类型，要使用宽字符的编码方式。常见的宽字符编码有 UTF-16 和 UTF-32，它们都是基于 Unicode 字符集的，能够支持全球的语言文化。在真正实现时，微软编译器(内嵌于 Visual Studio 或者 Visual C++ 中)采用 UTF-16 编码，使用 2 个字节存储一个字符，用 unsigned short 类型就可以容纳。GCC、LLVM/Clang(内嵌于 Xcode 中)采用 UTF-32 编码，使用 4 个字节存储字符，用 unsigned int 类型就可以容纳。 对于编号较小的字符，UTF-16 采用两个字节存储；对于编号较大的字符，UTF-16 使用四个字节存储。但是，全球常用的字符也就几万个，使用两个字节存储足以，只有极其罕见，或者非常古老的字符才会用到四个字节。
微软编译器使用两个字节来存储 UTF-16 编码的字符，虽然不能囊括所有的 Unicode 字符，但是也足以容纳全球的常见字符了，基本满足了软件开发的需求。使用两个字节存储的另外一个好处是可以节省内存，而使用四个字节会浪费 50% 以上的内存。 你看，不同的编译器可以使用不同的整数类型。如果我们的代码使用 unsigned int 来存储宽字符，那么在微软编译器下就是一种浪费；如果我们的代码使用 unsigned short 来存储宽字符，那么在 GCC、LLVM/Clang 下就不够。为了解决这个问题，C语言推出了一种新的类型，叫做 wchar_t。w 是 wide 的首字母，t 是 type 的首字符，wchar_t 的意思就是宽字符类型。wchar_t 的长度由编译器决定：

• 在微软编译器下，它的长度是 2，等价于 unsigned short；
• 在GCC、LLVM/Clang 下，它的长度是 4，等价于 unsigned int。

wchar_t 其实是用 typedef 关键字定义的一个别名，我们会在《 C语言typedef的用法详解 》一节中深入讲解，大家暂时只需要记住，wchar_t 在不同的编译器下长度不一样。 wchar_t 类型位于 头文件中，它使得代码在具有良好移植性的同时，也节省了不少内存，以后我们就用它来存储宽字符。上节我们讲到，单独的字符由单引号 ' ' 包围，例如 'B' 、 '@' 、 '9' 等；但是，这样的字符只能使用 ASCII 编码，要想使用宽字符的编码方式，就得加上 L 前缀，例如 L'A' 、 L'9' 、 L'中' 、 L'国' 、 L'。'。 注意，加上 L 前缀后，所有的字符都将成为宽字符，占用 2 个字节或者 4 个字节的内存，包括 ASCII 中的英文字符。下面的例子演示了如何存储宽字符(注意引入 头文件)：

wchar_t a = L'A';  //英文字符(基本拉丁字符)wchar_t b = L'9';  //英文数字(阿拉伯数字)wchar_t c = L'中';  //中文汉字wchar_t d = L'国';  //中文汉字wchar_t e = L'。';  //中文标点wchar_t f = L'ヅ';  //日文片假名wchar_t g = L'♥';  //特殊符号wchar_t h = L'༄';  //藏文

在以后的编程中，我们将不加 L 前缀的字符称为窄字符，将加上 L 前缀的字符称为宽字符。窄字符使用 ASCII 编码，宽字符使用 UTF-16 或者 UTF-32 编码。

宽字符的输出

putchar、printf 只能输出不加 L 前缀的窄字符，对加了 L 前缀的宽字符无能为力，我们必须使用 头文件中的宽字符输出函数，它们分别是 putwchar 和 wprintf：

• putwchar 函数专门用来输出一个宽字符，它和 putchar 的用法类似；
• wprintf 是通用的、格式化的宽字符输出函数，它除了可以输出单个宽字符，还可以输出宽字符串(稍后讲解)。宽字符对应的格式控制符为%lc。

另外，在输出宽字符之前还要使用 setlocale 函数进行本地化设置，告诉程序如何才能正确地处理各个国家的语言文化。由于大家基础还不够，关于本地化设置的内容我们不再展开讲解，请大家先记住这种写法。如果希望设置为中文简体环境，在 Windows 下请写作：

setlocale(LC_ALL, "zh-CN");

在 Linux 和 Mac OS 下请写作：

setlocale(LC_ALL, "zh_CN");

setlocale 函数位于 头文件中，我们必须引入它。下面的代码完整地演示了宽字符的输出：

#include #include int main(){    wchar_t a = L'A';  //英文字符(基本拉丁字符)    wchar_t b = L'9';  //英文数字(阿拉伯数字)    wchar_t c = L'中';  //中文汉字    wchar_t d = L'国';  //中文汉字    wchar_t e = L'。';  //中文标点    wchar_t f = L'ヅ';  //日文片假名    wchar_t g = L'♥';  //特殊符号    wchar_t h = L'༄';  //藏文       //将本地环境设置为简体中文    setlocale(LC_ALL, "zh_CN");    //使用专门的 putwchar 输出宽字符    putwchar(a);  putwchar(b);  putwchar(c);  putwchar(d);    putwchar(e);  putwchar(f);  putwchar(g);  putwchar(h);    putwchar(L'\n');  //只能使用宽字符       //使用通用的 wprintf 输出宽字符    wprintf(        L"Wide chars: %lc %lc %lc %lc %lc %lc %lc %lc\n",  //必须使用宽字符串        a, b, c, d, e, f, g, h    );          return 0;}

运行结果： A9中国。ヅ♥༄Wide chars: A 9 中 国 。ヅ ♥ ༄

宽字符串

给字符串加上 L 前缀就变成了宽字符串，它包含的每个字符都是宽字符，一律采用 UTF-16 或者 UTF-32 编码。输出宽字符串可以使用 头文件中的 wprintf 函数，对应的格式控制符是 %ls 。下面的代码演示了如何使用宽字符串：

#include #include int main(){    wchar_t web_url[] = L"http://c.biancheng.net";    wchar_t *web_name = L"C语言中文网";       //将本地环境设置为简体中文    setlocale(LC_ALL, "zh_CN");    //使用通用的 wprintf 输出宽字符    wprintf(L"web_url: %ls \nweb_name: %ls\n", web_url, web_name);    return 0;}

运行结果： web_url: http://c.biancheng.netweb_name: C语言中文网其实，不加 L 前缀的窄字符串也可以处理中文，它和加上了 L 前缀的宽字符串有什么区别呢？我们将在下节《 C语言到底使用什么编码？谁说C语言使用ASCII码，真是荒谬！ 》中详细讲解。