我在寫一些類似於atoi()或strtoll()的字符串轉換函數。我想包括我的函數的一個版本，它可以接受char16_t *或char32_t *，而不僅僅是char *或wchar_t *。C11 Unicode支持
我的函數可以正常工作，但是當我寫它時，我意識到我不明白char16_t或char32_t是什麼。我知道標準只要求它們是一個至少16或32位的整數類型，但其含義是它們是UTF-16或UTF-32。我也知道該標準定義了幾個函數，但它們不包括任何* get或* put函數（就像他們在C99中添加wchar.h時所做的那樣）。
所以我想知道：他們期望我用char16_t和char32_t做什麼？
這是一個很好的問題，沒有明顯的答案。
在C11中添加的uchar.h類型和功能在很大程度上是無用的。它們僅支持新類型（char16_t或char32_t）與特定於語言環境的實現定義的多字節編碼之間的轉換，這些映射除非區域設置基於UTF-8，否則不會完整。不支持有用的轉換（來自wchar_t以及來自/來自UTF-8的有用轉換）。當然，由於這些轉換是由相關的RFC/UCS/Unicode標準100％指定的，因此您可以推出自己的轉換到UTF-8 /從UTF-8轉換，但要小心：大多數人執行錯誤並且存在危險的錯誤。
注意，新編譯器級設有爲UTF-8，UTF-16，和UTF-32的文字（u8，u，和U，分別地）是潛在有用的;你可以使用你自己的函數以有意義的方式處理結果字符串，這些方式完全不依賴於語言環境。但是在我看來，對C11中Unicode的支持的庫級別基本上沒用。
你知道多少它限制了可移植性，以承擔多字節編碼是UTF-8？ （我的意思是，這是類似於「標準允許非2的補碼」，這在實踐中可能經常被忽略，或者這真的是我應該擔心的事情嗎？） – mafso 2014-09-29 20:43:47
@mafso：我不認爲* internal *表示作爲UTF8的字符串是潛在的可移植性問題。但是如果沒有可移植的（幾乎可以肯定「每個定義」）方式來顯示結果，你將如何顯示文本？ – usr2564301 2014-09-29 20:49:04
@Jongware：我知道它不可移植（理論上）。但是這種「特定於語言環境的多字節編碼」和「特定於語言環境的寬字符編碼」的東西是用C89進行標準化的，而Unicode編碼並不像今天這樣被廣泛使用（IIRC他們甚至沒有當時標準化）。我的問題是，如果它現在可以安全地假設在編程中使用Unicode編碼。 – mafso 2014-09-29 20:57:38
測試ASCII範圍內的UTF-16或UTF-32章程是「常規」10位數字，+， - 或「正常」空格之一是否容易執行以及將'0'-'9'轉換爲一個數字。鑑於此，atoi_utf16/32()收益如atoi()。一次只檢查一個角色。
測試是否有一些其他 UTF-16/UTF-32是一個數字或白色空間 - 更難。代碼將需要擴展isspace(), isdigit()，如果所需的語言環境可用，則可能需要切換語言環境（setlocale()）。 （注：可能需要恢復的區域設置當函數完成
轉換是通過isdigit()而不是通常的10到它的價值是有問題的一個字符不管怎麼說，這出現到甚至沒有被允許。
轉換步驟：
設置區域設置的相應的一個爲UTF-16/UTF-32
使用isspace() F。或空白檢測。
對於your_atof()轉換是一個類似的方式。
恢復本地。
不要忘記，UTF-16和UTF-32都有大端和小端的變體，你可能會關心。 – JohnH 2014-09-29 20:29:30
@JohnH：這如何與UTF-32相關？ – mafso 2014-09-29 20:33:46
@mafso大/小端變體確實適用於UTF-16和UTF-32。在_byte_級別，2或4字節的順序非常不符合軟件的字節順序。這可以使用各種字節重新排序功能來糾正。使用Unicode代碼點> = 0x10000，編碼爲UTF-16時，2個UTF-16代理的順序有時會以大或小的順序排列。其中只有一個是正確的（忘記哪個）。當使用錯誤的時候，它應該標記爲編碼錯誤，雖然有些系統是寬鬆的（非投訴）。 – chux 2014-09-29 21:01:22
這個問題可能有點老了，但我想談談與char16_t和char32_t支持實現你的功能。
最簡單的方法是使用char32_t類型（稱之爲strtoull_c32）編寫您的strtoull函數。這使解析unicode更容易，因爲UTF-32中的每個字符佔用4個字節。然後通過將UTF-8和UTF-16編碼內部轉換爲UTF-32並將它們傳遞給strtoull_c32來實現strtoull_c16和strtoull_c8。
我真的沒有看過C11標準庫中的Unicode設施，但如果他們沒有提供將這些類型轉換爲UTF-32的合適方法，那麼您可以使用第三方庫爲您進行轉換。
有ICU，這是由IBM啓動，然後由Unicode聯盟採用。這是一個功能豐富且穩定的庫，已經存在了很長時間。
我最近爲C89創建了一個UTF庫（UTFX），您也可以使用它。這是非常簡單和輕量級的，單元測試和記錄。您可以放棄，或者使用它來了解更多關於UTF轉換如何工作的信息。
轉換爲UTF-8，還有什麼？ – Deduplicator 2014-09-29 18:58:04
@Deduplicator：如果這就是他們希望你對他們做的事情，你會認爲他們會給你這樣做的功能...... – 2014-09-29 19:16:31
你打算不僅支持'0..9'（U + 0030 .. U + 0039）（也可能是'A..Z/a..z'，最高級別爲最高級別，基數爲36），但在完整的Unicode表格中也標記爲「Numeric」的所有其他字符？ 'Coz這包括印刷形式（超級和下標，圓圈數字高達20（！））和腳本特定形式（阿拉伯數字，希伯來數字），以及羅馬數字，古希臘和「計數杆」等等。 – usr2564301 2014-09-29 20:56:55