为什么MBSTOWCS会返回"invalid multibyte character"

Question

"קמ"ד חיר!"是从gdb中的变量打印粘贴的输入字符串副本。调用mbstowcs返回-1，其他输入为NULL。有什么问题/如何解决的想法吗？

"327247327236"327223 327227327231327250!000000"是八进制中具有非ascii字符的字符串

程序区域设置为C.

Answer 1

mbtowcs函数不处理UTF-8编码，也没有可以设置为将UTF-8转换为wchar_t的区域设置。因此，我将使用Windows示例，但在大多数操作系统上的总体想法是相同的。

在多字节字符集世界中，给定的八进制值可能没有一个含义，任何给定的字符也可能没有一种八进制值。特定的八进制值的含义以及字符的表示方式（如果可以表示，甚至）由语言环境决定。

当mbstowcs返回错误时，它基本上是在告诉你没有与传递给它的多字节字符等效的宽字符。这可能意味着没有UNICODE字符（不太可能，但也不是不可能），也可能意味着区域设置没有为给定的八进制值定义字符（或者在多字节字符的情况下为八进制值序列）。

如果您没有显式设置您的区域设置（通过调用setlocale），那么您将根据系统配置获得一个区域设置。要检索当前区域设置，可以调用_get_current_locate。一旦您了解了您的区域设置，就可以计算出特定八进制值代表的字符（如果有的话），然后就可以计算UNICODE的等效字符（如果有）。

识别问题字符的一种方法是改变传递给mbstowcs的长度，直到找到导致错误的单个字符。强力方法可能是从长度=1开始，然后增加长度，直到mbstowcs返回-1。

7月25日更新

从评论讨论中，我们发现输入字符串（很可能）编码为UTF-8。虽然最初的答案是正确的（就目前而言），但还不够。在Windows上，您无法创建处理UTF-8编码字符的区域设置。

当面对UTF-8时，我们可以使用代码页CP_UTF8调用MultiByteToWideChar，而不是调用mbtowcs，但该代码仅适用于Windows。。。

BYTE bytes [] = {0xD7,0x99,0xD7,0x95,0xD7,0x97,0xD7,0x90,0xD7,0x99,0x20,0xD7,0x95,0xD7,0x9B,0xD7,0x98,0xD7,0xA8, 0x00};
int result;
// get length of converted string in characters
result = MultiByteToWideChar (CP_UTF8, MB_ERR_INVALID_CHARS, (char *)bytes, 
    sizeof (bytes), NULL, 0);
wchar_t * name = new wchar_t [result];
// convert string
result = MultiByteToWideChar (CP_UTF8, MB_ERR_INVALID_CHARS, (char *)bytes, 
    sizeof (bytes), name, result);

Answer 2

我敢打赌，如果你像这样设置UTF-8，它会起作用：

setlocale(LC_CTYPE, "UTF-8");