如何正确初始化宽字符串？

Question

我试图找出c中的宽字符。例如，我测试了一个包含单个字母“？”的字符串。在utf8中编码为c492。

char* T1 = "?";
//This is the resulting array { 0xc4, 0x92, 0x00 }

wchar_t* T2 = L"?";
//This is the resulting array { 0x00c4, 0x2019, 0x0000 }

我期望第二个数组为{0xc492，0x0000}，相反，它包含一个多余的字符，我认为这只是浪费空间。谁能帮助我了解这是怎么回事？

Answer 1

您在这里要做的就是mojibake。您的源代码以UTF-8编写，但在Windows代码页1252中进行了解释（即，编译器源字符集为CP1252）。

宽字符串内容是转换为UCS-2的UTF-8字节0xC4 0x92 的Windows代码页1252个字符。在最简单的出路是只使用一种逃避，而不是：

wchar_t* T2 = L"\x112";

要么

wchar_t* T2 = L"\u0112";

更大的问题是，据我所知，C和C ++都没有在代码本身内指定源字符集的机制，因此，它始终是可以轻松复制粘贴的外部设置或选项。