C語言中寬字元和多位元組字元

C 語言原本是在英文環境中設計的，主要的字元集是7 位的ASCII 碼。從此開始，8 位的byte（位元組）變成最常見的字元編碼機關，但是國際化軟體必須能夠表示不同的字元，而這些字元數量龐大，無法使用一個位元組編碼，于是世界上使用各式 各樣多位元組的字元編碼集合已經有數十年了，比如用來表示“非拉丁字母”以及“非字母”的中、日、韓文字系統。在1994 年，“Normative Addendum 1”（基準增補一）的采用，讓ISO C 可以标準化兩種表示大型字元集的方法：寬字元（wide

character，該字元集内每個字元使用相同的位長）以及多位元組字元（multibyte character，每個字元可以是一到多個位元組不等，而某個位元組序列的字元值由字元串或流（stream）所在的環境背景決定）。

注 意： 雖然C現在提供抽象機制，可以處理和轉換不同種類的編碼集合，但語言本身并沒有定義或指定任何編碼集合，或任何字元集（除前一節提到的基本源代碼字元集和 基本運作字元集外）。換句話說，這部分是由個别的實作版本指定如何編碼寬字元，以及要支援什麼類型的多位元組字元編碼機制。

自從1994 年的增補之後，C 不隻提供char類型，還提供wchar_t類型（寬字元），此類型定義在stddef.h 頭檔案中。wchar_t 類型足以表示某個實作版本擴充字元集的任何元素。

字元。比方說，下列的定義将變量wc 初始化為希臘字母α。

此 轉義符以“"x”起頭，後面接着十六進制的數字，會将這個數字所代表的字元指派到變量中。在這個例子中，此字元是小寫的alpha。在多位元組字元集中，每 個字元的編碼寬度都不等，可以是一個位元組，也可以是多個位元組。源代碼字元集和運作字元集都可能包含多位元組字元，如果真的包含多位元組字元的話，那麼基本字元 集中的每個字元都隻會占用一個位元組（完全沒有多位元組的字元），空字元是唯一的例外，空字元可能會占用任意個數的位元組（但這些位元組内全部的位都必須為0）。 多位元組字元可以被用于字元的常量、字元串字面值（string

literal）、辨別符（identifier）、注釋（comment），以及頭檔案。許多的多位元組字元集被設計來支援特定國家的語言，例如JIS 字元集（日本業界标準，Japanese Industrial Standard）。多位元組UTF-8 字元集是由Unicode Consortium（萬國碼聯盟）定義的，可以表示Unicode 字元集的所有字元。

UTF-8 字元所使用的空間大小從一個位元組到四個位元組都有可能。多位元組字元和寬字元（也就是wchar_t）的主要差異在于寬字元占用的位元組數目都一樣，而多位元組字元的位元組數目不等，這樣的表示方式使得多位元組字元串比寬字元串更難處理。

比 方說，即使字元'A'可以用一個位元組來表示，但是要在多位元組的字元串中找到此字元，就不能使用簡單的位元組比對，因為即使在某個位置找到相符合的位元組，此字 節也不見得是一個字元，它可能是另一個不同字元的一部分。然而，多位元組字元相當适合用來将文字存儲成檔案（參見第13 章）。

C 提供了一些标準函數，可以将多位元組字元轉換為wchar_t，或将寬字元轉換為多位元組字元。比方說，如果C 編譯器使用Unicode 标準的UTF-16 和UTF-8，那麼下面調用wctomb()函數就可以獲得字元α 的多位元組表示方式（注：wctomb = wide character to multibyte）。

在調用此函數之後，mbStr數組會得到多位元組的字元，在這個例子中，也就是""xCE"xB1"符号。此wctomb()函數的傳回值是“所需要 的位元組個數”，在這個例子中，被指派到變量nBytes 的值是2，意思是：希臘小寫字母alpha 在多位元組字元中需要占用兩個位元組。