如何将非ASCII字符压缩为Linux的C中的1个字节

Question

我有一个土耳其语列表。我需要比较他们的长度。但是，由于某些土耳其角色是非accii的，所以我无法正确比较它们的长度。非ASCII土耳其字符具有2个字节。

例如：

#include <stdio.h>
#include <string.h>
int main()
{
    char s1[] = "ab";
    char s2[] = "çş";
    printf("%dn", strlen(s1)); // it prints 2
    printf("%dn", strlen(s2)); // it prints 4
    return 0;
}

我的朋友说可以在以下代码行中在窗口中执行此操作：

system("chcp 1254");

他说，它充满了土耳其的炭，到了延长的ASCII桌子上。但是，它在Linux中不起作用。

有没有办法在Linux中做到这一点？

Answer 1

是2017年和2018年。使用UTF-8无处不在（在最近的Linux发行版中，UTF-8是最常见的编码，对于大多数语言环境（7）） - ，当然是系统上的默认值）；当然，在UTF-8中编码的Unicode字符可能具有一到六个字节（因此，某些UTF-8字符串中的Unicode字符的数量是由strlen给出的）。考虑使用一些UTF-8库，例如libunistring（或其他库，例如glib）。

chcp 1254的东西是一些与UTF-8系统无关的Windows特定内容。所以忘了。

如果您编码GUI应用程序，请使用GTK或QT等小部件工具包。他们都可以处理Unicode，并且能够接受（或转换为UTF-8）。请注意，即使仅显示Unicode（例如，某些UTF-8或UTF-16字符串）也不琐碎，因为字符串可以混合，例如阿拉伯语，日语，西里尔语和英语单词（您需要在从左到右和向右的方向上显示），因此最好找到一个库（或其他工具，例如UTF-8能力的终端模拟器）这样做。

如果您碰巧获取一些文件，则需要知道使用它的编码（这只是您需要获取和遵循的某些 judent ）。在某些案例中，文件（1）命令可能会帮助您猜测该编码，但是您需要了解用于制作该文件的编码约定。如果未编码UTF-8，则可以将其转换（前提

一种可能性可能是使用宽字符串存储单词。它不会将字符存储为一个字节，而是解决您的主要问题。要获得一组功能，可以使用您的语言。该程序看起来如下：

#include <stdio.h>
#include <string.h>
#include <wchar.h>
int main()
{
    wchar_t s1[] = L"ab";
    wchar_t s2[] = L"çş";
    printf("%dn", wcslen(s1)); // it prints 2
    printf("%dn", wcslen(s2)); // it prints 2
    return 0;
}