25 国际化特性

发表于   |   分类于   |  

地区：可能是国家、洲或省活着一种特定的文化。
扩展：1994年通过的ISO C标准修正草案1提供了编写额外国际化程序增加的额外库

  • iso646.h
  • wctype.h
  • wchar.h

25.1 locale.h：本地化

标准库中依赖地区的部分：

  • 数值的格式：例如，一些地区小数点是一个圆点（297.48），而在另一些地方则是逗号（297,48）
    货币的格式：例如，不同国家的货币符号不同
    字符集：例如，亚洲国家通常比西方国家需要更大的字符集
    日期和时间的表示形式：例如，一些地方习惯在写日期时先写月（8/24/97），而另一些地方习惯先写日（24/8/97）

25.1.1 类别

说明：locale.h提供了一系列的以LC_开头的宏来，这些宏分别对某些库的某些方面的行为产生影响。
扩展：C语言的实现提供了其它类型并且定义了上面未列出的以LC_开头的宏。

宏 影响 头文件 相关章节 备注
LC_COLLATE strcoll函数 string.h 23.5 字符串比较函数
strxfrm函数 string.h 23.5 字符串比较函数
LC_CTYPES isdigit函数 ctype.h 23.4
isxdigit函数 ctype.h 23.4
多字节函数 stdlib.h 25.2.1
LC_MONETARY localeconv函数 locale.h 影响该函数返回的货币格式信息
LC_NUMERIC 格式化输入输出函数中使用的小数点字符 stdio.h 22 比如printf和scanf
字符串转换函数 stdlib.h 26.2.1 atof和strtod
localeconv函数 locale.h 该函数返回的非货币格式信息
LC_TIME strftime函数 time.h 26.3.2 该函数用于将时间转换为字符串

25.1.2 setlocale函数

描述：用来修改当前的地区，也可以用来获取当前地区的信息。
参数：
1： 可以针对一种类型，也可以针对所有类型

参数1取值 说明
LC_COLLATE、LC_CTYPE、LC_MONETARY 、LC_NUMERIC、LC_TIME 针对一种类型
LC_ALL 针对所有类型

2： C语言标准为第二个参数仅定义了两种可能值：”c”或” “。其他地区可以针对不同的实现定义。

参数二取值 说明 备注
"C" 按正常方式执行，小数点是一个句点
" " 换到本地模式（native locale） C语言标准没有定义切换到本地模式的具体影响
"Germany" 德国 部分编译器支持
类似en_GB.WIN1252格式的字符串 英语_英国.Windows多语言字符集 一些常用编译器支持
NULL 不设置任何东西 仅仅返回指向与当前地区类型的设置相关联的字符串

技巧：如果需要获得与当前地区关联字符串，可以在调用setlocale函数时第一个参数给LC_ALL，第二个参数给NULL.
原型：locale.h

1
2
3
4
5
6
/**
* @param {int} category  指定影响哪些库的哪些方面
* @param {char *} locale 指定地区
* @return {char *} 指向字符串（可能是地点名字自身）：成功；空指针：调用失败
*/
char *setlocale(int category, const char *locale);
1
2
// 任意程序执行开始时，都会隐含执行调用
setlocale(LC_ALL, "C");
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
/* 获取地区信息字符串 */
char *temp, *old_locale;

/* 获取当前地区信息 */
temp = setlocale(LC_ALL, NULL);

/* 检查是否获取到信息 */
if (temp == NULL) {
	
}
/* 为信息的副本分配空间 */
old_locale = malloc(strlen(temp) + 1);
if (old_locale == NULL) {
	/* 分配内存失败 */
}
/* 将信息拷贝进去 */
strcpy(old_locale, temp);

/* 切换到本地模式 */
setlocale(LC_ALL, "");

/* 按照存储的信息恢复就的地区设置 */
setlocale(LU_ALL, old_locale);

25.1.3 localeconv函数

描述：获取当前地区的各种信息
原型：locale.h

1
2
3
4
/**
* @return {struct lconv *} 指向包含当前地区的详细信息的结构体指针
*/
struct lconv *localeconv(void);

struct lconv

说明：存储当前地区的各种信息的结构体
结构成员：有char *和char两种类型

char *型成员
Alt text
char型成员
Alt text

p_sign_posn和n_sign_posn的值：
Alt text

案例：用于美国和意大利两国的lconv结构成员的货币型常用值
Alt text

Alt text

25.2 多字节字符和宽字符

字符集（美国）：

分类 地位
ASCII 主流计算机采用
EBCDIC 其他计算机

可扩展字符集：C语言允许编译器提供一种可扩展的字符集

可扩展字符集编码 说明
多字节字符（multibyte character） 一个或多个字节表示一个可扩展的字符
宽字符（wide character） 一种其值表示字符的整数，具有相同的字节数

基本字符：任何可扩展的字符集必须包含C语言要求的基本字符（即字母、数字、运算符、标点符、空白字符），而且这些字符要求是单字节的。
用途：c语言同时提供了多字节字符和宽字符用于不同的目的

  • 多字节字符：多用于输入／输出，因为输入／输出设备经常是面向字节的
  • 宽字符：更适用于程序内部，因为没个宽字符占有相同的空间，便于程序内部操作。

技巧：程序可以读入多字节字符，然后转为便于程序内部操作的宽字符格式，谈后再把宽字符转换回用于输出的多字节格式。

25.2.1 多字节字符

空字符(\0)：无论移位状态如何，c标准都要求\0始终用来表示空字符。而且，\0不能是多字节字符的第二个（或之后）字节。
按是否依赖状态分类：mblen函数、mbtowc函数、wctomb函数都可用检测对字节字符是否是依赖状态的。只要其char *型参数给予NULL实参，则返回非零说明依赖状态；返回零说明依赖状态。

分类 说明 例子
依赖状态编码（state-dependent enciding） 每个多字节字符序列都以初始移位状态（initial shift state）开始，序列中稍后遇到的一些多字节字符会改变移位状态，并且会影响后续字节的含义 日本的JIS编码
不依赖状态编码 每个字符要求一个或者两个字节，但是双字节字符的第一个字节可以始终区别与单字节字符 日本的Shift-JIS编码

相关宏：两个

宏 头文件 含义 备注
MB_LEN_MAX limit.h 任意支持区域的最大值
MB_CUR_MAX stdlib.h 当前区域的最大值 改变地区可能会影响多字节字符的解释

25.2.2 宽字符

说明：采用特殊实现（比如unsigned short int）支持的所有宽字符都要求相同的字节数。
宽字符类型：wchar_t (stddef.h、stdlib.h)
宽字符常量和宽字符串常量：L字符（串）常量

  • 宽字符常量：L'a'
  • 宽字符串常量：L"abc"

Unicode

说明：非常重要的固定长度编码的字符集。
字符宽度：两个字节

25.2.3 多字节字符／宽字符转换函数

mblen函数

说明：检测s是否指向形成由效多字节字符的字节序列
原型：stdlib.h

1
2
3
4
5
6
/**
* @param {char *} s 多字节字符的字节序列
* @param {size_t} a 最多能将测的字节的数量（通常为MB_CUR_MAX）
* @return {int}  字符中的字节数：是多字节字符序列；0:空字符；-1：不是多字节字符序列
*/
int mblen(const char *s, size_t a);

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
/**
* 确定字符串是否由有效的多字节字符构成
* @param {char *s} 指向以空字符结尾的普通字符串
* @return {int} 0或－1
*/
int mbcheck (const char *s) {
	int n;
	// 通过mblen(NULL, 0)设置该函数的移位状态，以便可以正确解释字符串中稍后的字符
	for (mblen(NULL, 0); ; s += n) {
		// 当
		if ((n = mblen(s, MB_CUR_MAX)) <= 0) {
			return n;
		}
	}
}

mbtowc函数

说明：将多字节字符串转换为宽字符
原型：stdlib.h.h

1
2
3
4
5
6
7
/**
* @param {wchar_t *} pwc 函数将存储结果的变量
* @para {char *} s 多字节字符
* @param {size_t} n 最大将检测的字节的数量
* @return {int}  字符中的字节数：是多字节字符；0:空字符；-1：不是多字节字符
*/
int mbtowc(wchar_t *pwc, const char *s, size_t n);

wctomb函数

说明：把宽字符转换为多字节字符
原型：stdlib.h

1
2
3
4
5
6
/**
* @param {char *} s 存储结果的变量（不回附加空字符）
* @param {wchar_t} wchar 多字节字符
* @return {int} 字符中的字节数：有效；1：空字符；-1：无效
*/
int wctomb(char *s, wchar_t wchar);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
/**
* 将测是否可以把宽字符的字符串转换为有效的多字节字符
* @param {wchar_t *} wcs 宽字符序列
* @return {int} -1：不可以；0：可以
*/
int wccheck (wchar_t *wcs) {
	char buf[MB_len_max];
	int n;
	for (wctpmb (NULL, 0); ; ++wcs) {
		if ((n = wctomb(buf, *wcs)) <= 0) {
			return -1;
		}
		else if (buf[n - 1] == '\0') {
			return 0;
		}
	}
}

25.2.4 多字节字符／宽字符串函数

mbstowcs函数

说明：把多字节字符序列转换为宽字符序列

  • 如何进行转换依赖于当前地区的LC_CTYPES类别
  • 当达到上限或者遇到（存储在宽字符数组中的)\0时，函数停止
  • 假设要转换的字符串以初始迁移状态开始

原型：stdlib.h

1
2
3
4
5
6
7
/**
* @param {whcar_t *} pwcs 宽字符数组
* @param {char *} s 待转换的多字节字符数组
* @param {size_t} 可以存储在数组中的宽字符数量
* @return {size_t} 修改的数组元素的数量（不包括末尾的`\0`）：一切顺利；-1：遇到无效的多字节字符
*/
size_t mbstowcs(wchar_t * restrict pwcs, const char * restrict s, size_t n);

wcstombs函数

说明：把宽字符序列转换为多字节字符序列

  • 如何进行转换依赖于当前地区的LC_CTYPES类别
  • 当达到上限或者遇到（自己存入的)\0时，函数停止
  • 产生的字符串是以初始迁移状态开始的

原型：stdlib.h

1
2
3
4
5
6
7
/**
* @param {char *} s 多字节字符数组
* @param {whcar_t *} pwcs 待转换的宽字符数组
* @param {size_t} 可以存储在数组中的多字节字符数量
* @return {size_t} 修改的数组元素的数量（不包括末尾的`\0`）：一切顺利；-1：遇到无法转换为对应多字节字符的宽字符
*/
size_t wcstombs(const char * restrict s, wchar_t * restrict pwcs, size_t n);

25.3 三字符序列

三字符序列（trigraph sequence）：简称“三字符”，是一种三个字符的字符码。以??字符的形式出现。
用途：可以替换ASCII中的一些特殊字符。
兼容性：尽管不是一直需要，但是所有标准C编译器都要求接受三字符序列。
技巧：字符串中的??可能会被编译器作为三字符序列的开始标志，可以通过使用\将第二个?转义（即?\?）来避免。
Alt text

1
2
3
4
5
6
#include <stdio.h>

int main () {
	printf("Hello, world\n");
	return 0;
}
1
2
3
4
5
??=include <stdio.h>
int main () ??<
	printf("Hello, world??/n"); 
	return 0;
??>