C语言中的“宽字符串”是啥？

Posted 2023-02-14

【中文标题】C语言中的“宽字符串”是啥？

【英文标题】：What is a "wide character string" in C language?C语言中的“宽字符串”是什么？

【发布时间】：2012-07-02 11:39:54

【问题描述】：

我在书中看到了这个：

wscanf(L"%lf", &variable);

第一个参数的类型为wchar_t *。

这与scanf("%lf", &variable); 不同，其中第一个参数的类型为char *。

那么有什么区别呢。我以前从未听说过“宽字符串”。我听说过一种叫做 Raw String Literals 的东西，它按原样打印字符串（不需要转义序列之类的东西），但这不是 C 语言。

【问题讨论】：

从这里开始joelonsoftware.com/articles/Unicode.html

第一个参数实际上是wchar_t []类型，与wchar_t *略有不同。

【参考方案1】：

宽字符的确切性质是（有目的地）左实现定义的。

当他们第一次发明wchar_t 的概念时，ISO 10646 和 Unicode 仍在相互竞争（而现在它们主要是合作）。他们并没有试图规定一个国际字符将是一个或另一个（或可能完全是其他东西），而是提供了一种类型（和一些函数），实现可以定义该类型以支持他们选择的国际字符集。

不同的实现发挥了变化的潜力。例如，如果您在 Windows 上使用 Microsoft 的编译器，wchar_t 将是一个 16 位类型，包含 UTF-16 Unicode（最初它包含 UCS-2 Unicode，但现在已正式过时）。

在 Linux 上，wchar_t 通常是 32 位类型，包含 UCS-4/UTF-32 编码的 Unicode。将 gcc 移植到至少其他一些操作系统的端口也是如此，尽管我从未尝试确认它总是如此。

但是，不能保证这一点。至少在理论上，Linux 上的实现可以使用 16 位，或者 Windows 上的实现可以使用 32 位，或者任何一个都可以决定使用 64 位（尽管在现实中看到这一点我会有点惊讶）。

在任何情况下，打算工作的总体思路是，单个wchar_t 足以表示一个代码点。对于 I/O，数据旨在从外部表示（无论它是什么）转换为wchar_ts，这（应该）使它们相对容易操作。然后在输出过程中，它们再次转换为您选择的编码（可能与您读取的编码完全不同）。

【讨论】：

其他非linux unix呢？另外，这不是 glibc 而不是 linux 的属性吗？

正如我所说，不，不能保证：“理论上，Linux 上的实现可以使用 16 位”。就非 Linux Unix 而言，我最近还没有足够聪明地发表评论。

【参考方案2】：

“宽字符串”是指字符串中字符的编码。

来自Wikipedia：

宽字符是一种计算机字符数据类型，通常具有 大小大于传统的 8 位字符。增加的 数据类型大小允许使用更大的编码字符集。

UTF-16 是最常用的宽字符编码之一。

此外，wchar_t 由Microsoft 定义为unsigned short(16-bit) 数据对象。这可能并且很可能是其他操作系统或语言中的不同定义。

摘自以下评论中的***文章：

"wchar_t 的宽度是编译器特定的，可以小到 8 位。因此，需要跨任何 C 或 C++ 编译器不应该使用 wchar_t 来存储 Unicode 文本。这 wchar_t 类型用于存储编译器定义的宽字符， 在某些编译器中可能是 Unicode 字符。”

【讨论】：

根据***，它不可移植：en.wikipedia.org/wiki/Wide_character

@quantum231，wiki 的答案实际上只适用于 MSFT。阅读 Jerry 的回答和 Joel 博客文章