有关wchar_t

800

哈哈哈，受教了。可能是我比较衰，或者比较笨吧。本来回贴前想去做点功课的，可找了一个小时，实在找不到gcc有关这方面的详细资料。没办法，不得不老着脸皮再问一句了，要想让我一楼的那段程序输出8，应该怎么做？

lit_river

偷学习了不少东西，呵呵

我的理解是，源代码使用的编码在编写程序的时候就已经固定了，输入的中文字符串在源码中会根据编码的不同而不同，但绝对不会存储为unicode，因此在字符串前面加“L"几乎是没有意义的（是几乎）。我们在源码中输入的都是msb，不可能输入unicode。因此要想输出8只能按realtang的方法实现，即msb转换为unicode。

不知道我说的对不对，欢迎高手拍砖
另外问一下，那“L”一般在什么情况下使用阿，只能在windows下用吗？
如果这样的话，是否会有源码移植的问题？比如我用utf8写源码，别人用gbk编译，那是不是就要出乱码了？这要是不是要求我们在源码里面不要写汉字字符串了，而是使用gettext等实现字符串变量

realtang

Post by lit_river
偷学习了不少东西，呵呵
另外问一下，那“L”一般在什么情况下使用阿，只能在windows下用吗？

比如你使用ansi编码，有个字符串"Hello world"。
你使用了w开头的一些函数，他们需要提供wchar类型的参数，那么你就可以L"Hello world"。
但是你可不能把mbs编码的字符串加L前缀。必须要用mbsrtowcs函数先转换。
至于你真实输入的编码类型，比如是gbk或者utf，那么你就先要用setlocale函数先设置为你的实际编码类型。
另外重要的是,linux下你使用setlocale时，你需要用的locale必须已经安装。
安装的方法，debian 方法是：dpkg-reconfigure locales

800

Post by lit_river
偷学习了不少东西，呵呵

我的理解是，源代码使用的编码在编写程序的时候就已经固定了，输入的中文字符串在源码中会根据编码的不同而不同，但绝对不会存储为unicode，因此在字符串前面加“L"几乎是没有意义的（是几乎）。我们在源码中输入的都是msb，不可能输入unicode。因此要想输出8只能按realtang的方法实现，即msb转换为unicode。

不知道我说的对不对，欢迎高手拍砖
另外问一下，那“L”一般在什么情况下使用阿，只能在windows下用吗？
如果这样的话，是否会有源码移植的问题？比如我用utf8写源码，别人用gbk编译，那是不是就要出乱码了？这要是不是要求我们在源码里面不要写汉字字符串了，而是使用gettext等实现字符串变量

我想首先可以肯定的是，L前缀是会导致字符串编码转换的。我在试验的时候不管是gbk还是utf8的内码，最后的输出都是15。"中华人民共和国a"这个字符串在gbk内码下，字节数是15，但在utf8下肯定无论字节数还是字符数都不是15。就到目前为止的情况来看，L前缀的作用仍然是声明宽字符。但不管怎么做，gcc本身似乎最多就只能将ascii和unicode进行转换，再多的就做不到了。
L前缀具体规定有什么用途我也不太清楚，就我的试验来看就是申明宽字符，进行ascii和unicode的转换。不过其实也不太一定，因为我在别人的代码里见到过用L前缀声明的非ascii宽字符，就是那个“(C)”。也可能是gcc自己能做的只是单字节字符和unicode的转换。
不管是mbsrtowcs还是gettext，虽然可能都可行，但都显得有些罗嗦。而且我的疑问仍然存在，即要让一楼的程序输出8应该怎么做，还是说gcc根本就做不到。

realtang

楼主你就省省吧，你程序写成那样，gcc根本做不到。要知道，在linux下，甚至没有wstdout的概念。linux的内核根本就没实现，所以你根本没法使用wprintf。

lophyxp

Post by 800

1. 
   
2.         wchar_t *p;
   
3. 
   
4.         setlocale(LC_ALL, "");
   
5.         p = L"中华人民共和国a";
   
6.         wprintf(L"%d\n", wcslen(p));
   

复制代码

这段代码在linux下面，或在win32上用mingw，gcc -D_UNICODE编译，输出的都是15，怎么会这样啊？
另，win32上有个_mbslen函数，gcc里有没有类似功能的东西呢？

你的程序从思路上开始就出错了，看来你并没有了解宽字符该如何使用。这也难怪，市面上的书很少有专门讲解国际化软件开发的。大部分书都是教导我们要有开发国际化软件的思想，但对于具体怎么做，没有哪本书系统的提及。我在这个方面也徘徊了好久。
好好看看这篇文章《寬字元與多位元組字元》，里面讲的很清楚。这是好不容易从Internet大海里搜出来的。可以算Linux/glibc下开发国际化软件的bible了。中文的。台湾人的研究成果。

《寬字元與多位元組字元》是《親手打造 GNU/Linux 中文環境》系列文章的一部分。《親手打造 GNU/Linux 中文環境》详细讲解了glibc中的i18n的全部内容，里面的“宽字符”“gettext”相关章节对于理解国际化程序设计帮助非常大。

zhllg

我说呢
我试过找
没有找到
真是太谢谢了

formalin14

受益匪浅，up起来。

不过我在gcc下编译时，realtang的代码中mbsrtowcs(dst,&src,len,&state);这一行需要改成mbsrtowcs(dst,(const char**)&src,len,&state); 才行。

也就是第二个参数要做(const char**)强转。

realtang

gcc-4.0以上好像已经支持L前缀windows c的同样用法了。

formalin14

今天看了一下oreilly的posix programmers guide。
我现在的理解：mbs基本上类似utf8，是不定长的，而wcs是定长的类似unicode。
定长的wcs可以随机访问，但是效率较差，浪费空间。
源代码中的字符串都是mbs编码。

不知道对不对。