【C语言高级指导】国际化特性

国际化特性

国际化（Internationalization，通常缩写为 i18n，因为单词中有18个字符在 “internationalization” 和 “i” 与 “n” 之间）是指在设计和开发软件时考虑全球用户的过程。国际化的目标是创建可以轻松翻译和适应不同语言和文化环境的产品。

<locale.h>：本地化

<locale.h> 是 C 语言标准库中的一个头文件，提供了一系列用于处理本地化（localization）的函数。本地化是指根据用户的地理位置、语言和文化习惯调整程序的行为和显示方式。以下是 <locale.h> 头文件中定义的一些关键概念和函数：

类别（Category）:

• 本地化设置涉及多种类别，例如：
  • LC_ALL: 所有本地化类别。
  • LC_COLLATE: 字符串比较和排序。
  • LC_CTYPE: 字符类型（如字母、数字）和转换。
  • LC_MONETARY: 货币格式。
  • LC_NUMERIC: 数字格式。
  • LC_TIME: 时间和日期格式。

setlocale 函数:

• char *setlocale(int category, const char *locale);
  • 此函数用于设置或查询当前的本地化设置。
  • category: 指定要设置的本地化类别。
  • locale: 指定新的本地化设置，如果为空字符串（""），则返回当前设置。
  • 返回当前本地化设置的字符串表示。

localeconv 函数:

• struct lconv *localeconv(void);
  • 此函数用于获取当前本地化设置的详细信息。
  • 返回一个指向 lconv 结构的指针，该结构包含了货币、数字格式等本地化设置的详细信息。

示例代码：

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

int main() {
    // 设置本地化为德国区域设置
    setlocale(LC_ALL, "de_DE.UTF-8");

    // 获取本地化设置信息
    struct lconv *lconv_info = localeconv();
    printf("Decimal point: %s\n", lconv_info->decimal_point);
    printf("Thousand separator: %s\n", lconv_info->thousands_sep);
    printf("Currency symbol: %s\n", lconv_info->currency_symbol);

    // 使用本地化设置格式化输出
    printf("Formatted number: %.2f\n", 1234567.89);

    return 0;
}

在上面的示例中，setlocale 用于设置程序的本地化类别为德国区域设置。localeconv 函数用于获取当前本地化设置的详细信息，例如小数点、千位分隔符和货币符号。

使用 <locale.h> 时，需要注意以下几点：

• 确保指定的区域设置在系统上是可用的，否则 setlocale 可能失败。
• localeconv 函数返回的结构中的字段可能依赖于当前的本地化设置。
• 本地化设置可能影响字符串比较函数（如 strcmp）的行为，因为这些函数可能会根据区域设置中的排序规则来比较字符串。
• 在多线程环境中，setlocale 和 localeconv 的行为可能与线程有关，因此需要注意线程安全问题。

通过使用 <locale.h>，开发者可以创建能够适应不同语言和文化环境的应用程序，提高程序的可用性和用户体验。

多字节字符和宽字符

多字节字符和宽字符是处理国际文本和字符表示的关键概念，特别是在Unicode和通用字符集（UCS）的上下文中。以下是这些概念的概述：

宽字符（Wide Characters）:

宽字符是用于表示Unicode字符的数据类型，它们通常用wchar_t表示。宽字符可以表示任何Unicode字符，包括非拉丁字符和特殊符号。

统一码和通用字符集（Unicode and Universal Character Set）:

统一码是一种国际标准，用于为世界上几乎所有的字符和符号提供一个唯一的数字标识。通用字符集是基于统一码的字符编码，它支持多语言文本的表示。

统一码编码（Unicode Encoding）:

统一码可以使用不同的编码形式来表示字符，包括UTF-8、UTF-16和UTF-32。UTF-8是一个变长编码，可以使用1到4个字节表示一个字符；UTF-16使用2到4个字节；UTF-32使用固定4个字节。

多字节/宽字符转换函数（Multibyte/Wide Character Conversion Functions）:

这些函数允许在多字节字符和宽字符表示之间进行转换。例如：

• mbtowc：将多字节字符转换为宽字符。
• wctomb：将宽字符转换为多字节字符。

多字节/宽字符串转换函数（Multibyte/Wide String Conversion Functions）:

这些函数用于在多字节字符串和宽字符串之间进行转换。例如：

• mbstowcs：将多字节字符串转换为宽字符串。
• wcstombs：将宽字符串转换为多字节字符串。

示例代码：

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

int main() {
    char* mb_str = "Hello, World!";
    wchar_t wc_str[20];
    size_t converted_chars = mbstowcs(wc_str, mb_str, 20);

    if (converted_chars != (size_t)-1) {
        wprintf(L"Wide string: %ls\n", wc_str);
    }

    wchar_t single_wc = L'A';
    char mb_char[10];
    if (wctomb(mb_char, single_wc) != EOF) {
        printf("Multibyte character: %s\n", mb_char);
    }

    return 0;
}

在上面的示例中，mbstowcs 函数用于将多字节字符串转换为宽字符串，wctomb 函数用于将宽字符转换为多字节字符。

在使用多字节和宽字符时，需要注意以下几点：

• 确保正确处理不同编码的文本，特别是在涉及文件读写和网络通信时。
• 了解不同操作系统和环境中对Unicode和多字节字符的支持可能存在差异。
• 使用合适的转换函数来处理多字节和宽字符之间的转换，避免数据丢失或编码错误。
• 在编写国际化应用程序时，考虑使用Unicode和宽字符来支持多语言文本。

通过理解和使用多字节字符和宽字符，开发者可以创建能够处理全球文本数据的应用程序，满足不同语言用户的需求。

双字符和三字符

双字符和三字符是C语言中与字符表示相关的术语，通常用于描述特定的字符编码序列。在一些字符编码标准中，如UTF-8，字符可以由多个字节组成，其中每个字节可以表示为双字符或三字符的形式。

三字符（Trigraphs）:

三字符是一组由三个字符组成的序列，它们被编译器识别并替换为单个特殊字符。例如，??/ 可以被替换为反斜杠（\）。

双字符（Digraphs）:

双字符是C99标准中引入的一个概念，用于表示那些不容易从键盘输入的字符。它们是两个字符的序列，编译器会将它们识别并替换为单个特殊字符。例如，%: 可以被替换为#。

<iso646.h>：拼写替换（Spelling Replacements）:

<iso646.h> 是C语言标准库中的一个头文件，它定义了一组宏，允许开发者使用一种替代的拼写方式来表示特定的字符。这个头文件主要用于提供对那些在某些键盘或字符集中不易输入的字符的访问。

以下是 <iso646.h> 中定义的一些常见宏：

• and / &&：逻辑与操作符。
• or / ||：逻辑或操作符。
• not / !：逻辑非操作符。
• compl / ~：按位取反操作符。
• bitand / &：按位与操作符。
• bitor / |：按位或操作符。
• xor / ^：按位异或操作符。

示例代码：

#include <stdio.h>
#include <iso646.h>

int main() {
    int a = 5, b = 3;
    printf("%d\n", a or b); // 使用拼写替换表示或操作
    printf("%d\n", a and b); // 使用拼写替换表示与操作
    printf("%d\n", compl(b)); // 使用拼写替换表示按位取反操作

    return 0;
}

在上述示例中，我们使用 <iso646.h> 中定义的宏来代替了一些不易输入的操作符。

使用双字符和三字符时，需要注意以下几点：

• 并不是所有的编译器都默认支持三字符和双字符。可能需要在编译时指定特定的选项来启用它们。
• 在编写需要广泛移植的代码时，应避免使用三字符和双字符，因为它们的支持可能因编译器而异。
• 拼写替换提供了一种更易读的方式来表示某些操作符，但应谨慎使用，以确保代码的可读性和可移植性。

通过使用 <iso646.h> 和相关的双字符与三字符特性，开发者可以在需要时提供对特殊字符的访问，同时保持代码的清晰和一致性。

通用字符名

通用字符名（Universal Character Names，UCNs）是一种在C语言（以及C++和其他一些语言）的源代码中表示Unicode字符的方法。这种表示方法允许开发者在源代码中使用特定的转义序列来包含那些可能无法直接从键盘输入或在特定字体中不可用的字符。

通用字符名的两种形式：

1. 十六进制形式:

   • 使用以 \u 开头的四个十六进制数字来表示 Unicode 字符。例如，\u00A9 表示版权符号（©）。

2. 八进制形式:

   • 使用以 \U 开头的八个八进制数字来表示 Unicode 字符。例如，\U000000A9 同样表示版权符号（©）。

示例代码：

#include <stdio.h>

int main() {
    // 使用十六进制形式的通用字符名
    char copyright_hex = '\u00A9';
    printf("Copyright symbol (hex): %c\n", copyright_hex);

    // 使用八进制形式的通用字符名
    char copyright_oct = '\U000000A9';
    printf("Copyright symbol (oct): %c\n", copyright_oct);

    return 0;
}

在使用通用字符名时，需要注意以下几点：

• 通用字符名必须用在字符串或字符常量中，不能用于变量名或其他上下文。
• 十六进制形式的通用字符名最多可以表示 0xFFFF（即 65535）的 Unicode 代码点。
• 八进制形式的通用字符名可以表示任何 Unicode 代码点，包括超出基本多文种平面（BMP）的字符。
• 并非所有的编译器都默认支持通用字符名。有些编译器可能需要特定的编译器选项或语言标准来启用对它们的支持。
• 在使用通用字符名时，应确保所使用的字符编码能够表示这些字符，否则可能导致编译错误或运行时问题。

通用字符名是C语言国际化和本地化特性的一部分，它们使得在源代码中包含国际字符变得更加容易和直接。

<wchar.h>：扩展的多字节和宽字符实用工具

<wchar.h> 是 C 语言标准库中的一个头文件，它提供了一系列用于处理宽字符和多字节字符串的实用工具。以下是 <wchar.h> 头文件中定义的一些关键功能和概念：

流倾向（Stream Orientation）:

• 流倾向决定了流（如文件或控制台）是用于宽字符还是多字节字符的输入和输出。

格式化宽字符输入/输出函数（Formatted Wide Character I/O Functions）:

• 这些函数类似于 <stdio.h> 中的 printf 和 scanf 函数，但它们用于宽字符。例如，wprintf 和 wscanf。

宽字符输入/输出函数（Wide Character I/O Functions）:

• 这些函数用于执行不涉及格式化的宽字符输入和输出。例如，fputws 和 fgetws。

通用的宽字符串实用工具（General Wide String Utilities）:

• 提供了类似于 <string.h> 中定义的函数，但用于宽字符串。例如，wcscat、wcsncat、wcscpy、wcsncpy、wcslen 等。

宽字符时间转换函数（Wide Character Time Conversion Functions）:

• 这些函数允许将日期和时间表示为宽字符串。例如，wcsftime。

扩展的多字节/宽字符转换实用工具（Extended Multibyte/Wide Character Conversion Utilities）:

• 提供了用于在多字节字符串和宽字符字符串之间转换的函数。例如，mbrtowc、wcrtomb、mbsrtowcs、wcsrtombs。

示例代码：

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

int main() {
    // 使用宽字符输入输出函数
    wchar_t wide_char = L'a';
    wprintf(L"Wide character: %lc\n", wide_char);

    // 使用宽字符串实用工具
    wchar_t wide_str[] = L"Hello, World!";
    wprintf(L"Wide string length: %zu\n", wcslen(wide_str));

    // 使用宽字符时间转换函数
    wchar_t date_str[100];
    wcsftime(date_str, sizeof(date_str) / sizeof(wchar_t), L"%Y-%m-%d", localtime(NULL));
    wprintf(L"Date: %ls\n", date_str);

    return 0;
}

在使用 <wchar.h> 时，需要注意以下几点：

• 确保正确处理宽字符和多字节字符之间的转换，特别是在涉及文件读写和网络通信时。
• 了解不同操作系统和环境中对宽字符的支持可能存在差异。
• 使用合适的转换函数来处理多字节和宽字符之间的转换，避免数据丢失或编码错误。
• 在编写国际化应用程序时，考虑使用宽字符来支持多语言文本。

通过使用 <wchar.h>，开发者可以创建能够处理全球文本数据的应用程序，满足不同语言用户的需求。

<wctype.h>：宽字符分类和映射实用工具

<wctype.h> 是 C 语言标准库中的一个头文件，提供了一系列用于宽字符分类和映射的实用工具。以下是 <wctype.h> 头文件中定义的一些关键功能和概念：

宽字符分类函数（Wide Character Classification Functions）:

这些函数用于确定宽字符的类别，例如是否为字母、数字、空格等。

• wint_t iswalpha(wchar_t wc);：检查宽字符是否为字母。
• wint_t iswdigit(wchar_t wc);：检查宽字符是否为数字。
• wint_t iswspace(wchar_t wc);：检查宽字符是否为空白字符。

可扩展的宽字符分类函数（Extendable Wide Character Classification Functions）:

这些函数允许开发者定义额外的字符分类。

• wctype_t wctype(const char *property);：根据属性名获取宽字符类型。
• wint_t iswctype(wchar_t wc, wctype_t desc);：根据 wctype_t 类别检查宽字符。

宽字符大小写映射函数（Wide Character Case Mapping Functions）:

这些函数用于将宽字符转换为大写或小写。

• wint_t towupper(wchar_t wc);：将宽字符转换为大写。
• wint_t towlower(wchar_t wc);：将宽字符转换为小写。

可扩展的宽字符大小写映射函数（Extendable Wide Character Case Mapping Functions）:

这些函数提供了更灵活的方式来处理宽字符的大小写映射。

• wint_t towctrans(wchar_t wc, wctrans_t desc);：根据指定的转换规则转换宽字符。
• wctrans_t wctrans(const char *property);：获取转换描述符。

示例代码：

#include <stdio.h>
#include <wctype.h>

int main() {
    wchar_t wc = L'A';
    
    // 宽字符分类
    if (iswalpha(wc)) {
        printf("The character is a letter.\n");
    }
    if (iswdigit(wc)) {
        printf("The character is a digit.\n");
    }
    if (iswspace(wc)) {
        printf("The character is a whitespace character.\n");
    }

    // 宽字符大小写映射
    printf("Uppercase: %lc\n", towupper(wc));
    printf("Lowercase: %lc\n", towlower(wc));

    return 0;
}

在使用 <wctype.h> 时，需要注意以下几点：

• 宽字符函数通常以 w 或 W 开头，例如 iswalpha、towupper。
• 这些函数在多字节和宽字符环境下非常有用，特别是在处理国际文本时。
• 可扩展函数允许开发者根据自定义的属性或规则来分类和转换宽字符。
• 确保正确处理宽字符和多字节字符之间的转换，特别是在涉及文件读写和网络通信时。

通过使用 <wctype.h>，开发者可以创建能够处理各种宽字符分类和大小写映射的应用程序，这对于国际化和本地化应用程序非常重要。