- 系統：windows 64
- 編譯器：gcc version 8.1.0 (x86_64-posix-seh-rev0, Built by MinGW-W64 project)
- 文本編輯器：notepad
- 控制台：Cmder
- 編程語言：C、Python
首先，要想打印漢字，必須考慮到編碼問題。在windows下，由於系統使用GBK編碼，而GCC解析時使用UTF-8而會導致以下代碼運行時出現亂碼：
#include <stdio.h> int main() { char *str = "你好，世界！"; printf("%s\n", str); return 0; }
解決方法為：使用“-fexec-charset=gbk”命令
解決了編碼問題，我們還需要了解幾點：
- char類型本質上是數字，占據一個字節（即八位），可以通過%d打印編碼，通過%c打印字符
- 在C語言中，一個漢字占據兩個char類型
- 漢字的兩個char類型為負數
- 在打印漢字時，它的兩個char必須緊跟着
根據這幾點，我們可以打印出漢字以及它們的編碼：
#include <stdio.h> #include <string.h> int main() { // str為字符指針，指向一個字符字面量，這個字符字面量由'\0'結尾 char *str = "你好，世界！Hello, world!"; // chr為字符指針，指向str所指向的字符字面量的第一個字符的地址，即'你'字符的兩個char中的第一個 char *chr = str; printf("%zu %s\n", strlen(str), str); // 如果遇到'\0'，說明字符串結束了 while (*chr != '\0') { // 如果chr的編碼為負數，則說明遇到了一個漢字 if (*chr < 0) { // 打印漢字及漢字的編碼 // 注意兩個char必須緊緊跟着打印（%c%c），否則會打印出 ?? printf("%c%c: %d%d\n", *chr, *(chr+1), *(chr), *(chr+1)); // chr自增兩個字節（因為每個漢字都由兩個char組成） chr += 2; } else { // 打印英文字符 printf("%c: %d\n", *chr, *chr); // chr自增一個字節 ++chr; } } return 0; }
從上圖，我們可以看出，這個字符串占據了25個字節，4個漢字加2個全角符號占據了12個字節，再加上23個英文字符，總共25個字節。我們可以從下圖更清晰地看出str的構造：
但是，根據我們在網上查詢的結果，漢字‘你’的GBK編碼應為：C4E3，但是在這里，卻打印出了：-60-29，這是為什么呢？
這里涉及到進制的問題，可能-60-29是十六進制數C4E3的十進制數？
首先，我們先通過Python看看C4E3的二進制數以及十進制數。這好像跟-60-29根本不沾邊。
我們先看看下面的代碼，導入<limits.h>頭文件，看看char類型的取值范圍為多少：
#include <stdio.h> #include <limits.h> int main() { printf("[%d ~ %d]\n", CHAR_MIN, CHAR_MAX); printf("%c%c\n", 0xC4, 0xE3);return 0; }
我們可以看到：char類型的取值范圍為[-128 ~ 127]，但是我們卻可以打印出漢字”你“。這是為什么呢？明明char的取值范圍最多127，而漢字“你”的兩個字符分別為：196和227，都超過了這個值。其實這是因為，C語言將這兩個數字的二進制數作為負數處理。C中的char類型有1個字節，占8位，而它的最高位為符號位，當它為0時為正，1時則為負。C通過對正數做補碼操作得到負數。補碼，即對一個二進制數取反，然后再加1。比如，0xC4的二進制數為0b11000100，我們可以看到最高位1，在C中這個數就是負數。我們可以通過對這個二進制數做補碼操作，得到0b00111100，即60。所以0b11000100在C中表示為-60。
從以上，我們可以發現，GBK編碼中，一個漢字占兩字節。因為C中char類型只占一個字節，所以需要使用兩個char類型來表示漢字。因為C中char為有符號類型，char的表示范圍為[-128 ~ 127]，所以在遇到大於127的數字時，會被char表示為負數。
其實，我們還可以使用unsigned char來實現。char默認是有符號的，取值范圍為：-128 ~127。而unsigned char的取值范圍則為：0~255，那么漢字“你”的編碼就會被顯示為：196和227。
#include <stdio.h> #include <string.h> int main() { // str為字符指針，指向一個字符字面量，這個字符字面量由'\0'結尾 unsigned char *str = (unsigned char *)"你好，世界！Hello, world!"; // chr為字符指針，指向str所指向的字符字面量的第一個字符的地址，即'你'字符的兩個char中的第一個 unsigned char *chr = str; printf("%zu %s\n", strlen(str), str); // 如果遇到'\0'，說明字符串結束了 while (*chr != '\0') { // 如果chr的編碼大於127，則說明遇到了一個漢字 if (*chr > 127) { // 打印漢字及漢字的編碼 // 注意兩個char必須緊緊跟着打印（%c%c），否則會打印出 ?? printf("%c%c: %d %d\n", *chr, *(chr+1), *(chr), *(chr+1)); // chr自增兩個字節（因為每個漢字都由兩個char組成） chr += 2; } else { // 打印英文字符 printf("%c: %d\n", *chr, *chr); // chr自增一個字節 ++chr; } } return 0; }
