c - 在 C 中打印 UTF-8 字符串的字节

Question

我想打印单词“česnek”的各个字节，期望 printf 7 个字节，因为“č”以 2 个字节编码，但它确实打印了垃圾字符，例如终端中的问号。如果我打印出整数值，我会得到这个序列。

-60 -115 101 115 110 101 107

为什么前两个数字是负数？ 这是我用来尝试的代码。

 char *utfstring = "česnek";
 for(size_t i = 0; i < strlen(utfstring); i++) {
 printf("%c ", utfstring[i]);
 }
 for(size_t i = 0; i < strlen(utfstring); i++) {
 printf("%d ", utfstring[i]);
 }

我希望前两个值是 c4 8d，因为 č 是根据 https://www.utf8-chartable.de/unicode-utf8-table.pl?start=256&unicodeinhtml=dec 编码的

Answer 1

使用(unsigned char)utfstring[i]或0xFF & utfstring[i]得到十六进制输出如下:

char *utfstring = u8"česnek";
for(size_t i = 0; i < strlen(utfstring); i++)
    printf("%02X ", 0xFF & utfstring[i]);

输出:

"C4 8D 65 73 6E 65 6B"

第一个字母字符 č 不能用 UTF8 中的单个字节表示。如果您一次打印一个字节的 utfstring，那么 UTF8 编码就会被破坏。

它必须打印为 u8"č" 或 u8"\xC4\x8D"

如果您希望将字节序列分解为单独的 Unicode 代码点，通常您需要一个 Unicode 库，例如 iconv。如果您只是想查找 č，请使用标准字符串函数，例如 strstr(utfstring, u8"č")。