为什么 wprintf 在 Linux 上将 Unicode 中的俄语文本音译为拉丁语？

Question

为什么下面的程序

#include <stdio.h>
#include <wchar.h>

int main() {
  wprintf(L"??????, ???!");
}

打印“女贞，先生！” 在 Linux 上？具体来说，为什么它将 Unicode 中的俄语文本音译为拉丁语，而不是将其转码为 UTF-8 或使用替换字符？

在 Godbolt 上演示此行为：https ://godbolt.org/z/36zEcG

非宽版会printf("??????, ???!")按预期打印此文本（“??????, ???!”）。

Answer 1

因为宽字符的转换是根据当前设置的语言环境完成的。默认情况下，C 程序始终以仅支持 ASCII 字符的“C”语言环境开始。

您必须先切换到任何俄语或 UTF-8 语言环境：

setlocale(LC_ALL, "ru_RU.utf8"); // Russian Unicode
setlocale(LC_ALL, "en_US.utf8"); // English US Unicode

或者到当前系统区域设置（这可能是您需要的）：

setlocale(LC_ALL, "");

完整的程序将是：

#include <stdio.h>
#include <wchar.h>
#include <locale.h>

int main() {
  setlocale(LC_ALL, "ru_RU.utf8");
  wprintf(L"??????, ???!\n");
}

至于您的代码在其他机器上按原样运行 - 这是由于 libc 在那里运行的方式。某些实现（如 musl）不支持非 Unicode 语言环境，因此可以无条件地将宽字符转换为 UTF-8 序列。

Answer 2

为什么它将 Unicode 中的俄语文本音译为拉丁语，而不是将其转码为 UTF-8 或使用替换字符？

因为程序的起始语言环境是默认的C语言环境。所以它将宽字符串翻译成C语言环境。C语言环境不处理 UTF-8 或任何 unicode，因此您的标准库最好将宽字符转换为C语言环境中使用的一些基本字符集。

您可以将语言环境更改为任何UTF-8 语言环境，并且程序应该输出 UTF-8 字符串。

注意：（在我知道的实现中）FILE流的编码是在选择流方向（宽与正常）时确定并保存的。请记住在执行任何操作之前设置语言环境stdout（即this与this）。