在 C 中打印 UTF-8 字符串的字节

Question

我想打印单词“？esnek”的单个字节，期望打印 7 个字节，因为“？” 以 2 个字节编码，但它会在终端中打印垃圾字符，例如问号。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 = "?esnek";
 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]);
 }

我预计前两个值是 c4 8d 因为？根据https://www.utf8-chartable.de/unicode-utf8-table.pl?start=256&unicodeinhtml=dec 进行编码

Answer 1

Use (unsigned char)utfstring[i] or 0xFF & utfstring[i] to get hexadecimal output as follows:

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

output:

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

The first alphabetic character ? cannot be represented by a single byte in UTF8. If you print utfstring one byte at a time, then the UTF8 encoding is broken.

It has to be printed as u8"?" or u8"\xC4\x8D"

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