C语言 尝试读取宽字符会给出 EOF

Question

我有一个文本文件，foo.txt，包含以下内容：

R⁸2

我有一个大程序来阅读它并对每个角色做事，但是当它击中⁸时，它总是收到EOF。以下是代码的相关部分：

setlocale(LC_ALL,"");
FILE *in = fopen(argv[1],"r");
while (1) {
wint_t c = getwc(in);
printf("%d ",wctob(c));
if (c == -1)
printf("Error %d: %sn",errno,strerror(errno));
if (c == WEOF)
return 0;
}

它打印82 -1(R和 EOF 的 ASCII 代码(。无论文件中的¹在哪里，它始终显示为EOF。编辑，我添加了errno检查，它给出了这个：

Error 84: Invalid or incomplete multibyte or wide character

但是，⁸ 是 Unicode U+2078 "上标八"。我通过cat和从 fileformat.info 复制粘贴将其写给foo.txt。foo.txt的十六进制转储显示：

0000000: 52e2 81b8 32                             R...2

怎么了？

Answer 1

1. 检查WEOF而不是EOF

EOF适用于单字节字符。WEOF适用于宽字符。当读取带有getwc的宽字符的开头时，有时可以返回单字节EOF。

在stdio.h：

#define EOF (-1)

在wchar.h：

#define WEOF (0xffffffffu)

2. 将区域设置设置为支持 Unicode 的区域设置

C程序的默认语言环境是C，也称为POSIX，它只适用于ASCII。使用setlocale，有时需要为支持 Unicode 的代码页显式设置适当的语言环境。C.UTF-8是便携式的。

setlocale(LC_ALL,"C.UTF-8");
setlocale(LC_CTYPE,"C.UTF-8");

3. 对宽字符使用正确的类型

getwc的返回值不是char，int甚至不是wchar_t，而是wint_t。确保您的字符变量c的类型为wint_t，以避免内存问题。