mbrtoc32

 

C

编译器支持

语言

头文件

类型支持

程序实用工具

可变参数函数支持

错误处理

动态内存管理

字符串库

算法

数值

日期和时间实用工具

输入/输出支持

本地化支持

并发支持 (C11)

技术规范

符号索引

 

字符串库

空字符结尾的字节字符串

空字符结尾的多字节字符串

空字符结尾的宽字符串

 

空字符结尾的多字节字符串

函数
宽/多字节转换
mbsinit (C95)
mbstowcsmbstowcs_s (C11) btowc (C95) mbrtowc (C95) mbsrtowcsmbsrtowcs_s (C95)(C11)   mbrtoc8 (C23) c8rtomb (C23) mbrtoc16 (C11) c16rtomb (C11) c32rtomb (C11) mbrtoc32 (C11)	mblen mbtowc wctombwctomb_s (C11) wcstombswcstombs_s (C11) wctob (C95) wcrtombwcrtomb_s (C95)(C11) wcsrtombswcsrtombs_s (C95)(C11) mbrlen (C95)
类型
mbstate_t (C95) char8_t (C23)	char16_t (C11) char32_t (C11)
宏
MB_LEN_MAX	MB_CUR_MAX

 

定义于头文件 <uchar.h>
size_t mbrtoc32( char32_t restrict* pc32, const char* restrict s,                  size_t n, mbstate_t* restrict ps );		(自 C11 起)

将单个代码点从其窄多字节字符表示形式转换为其可变长度的 32 位宽字符表示形式（但通常为 UTF-32）。

如果 s 不是空指针，则检查以 s 指向的字节开头的多字节字符串的最多 n 个字节，以确定完成下一个多字节字符所需的字节数（包括任何移位序列，并考虑当前多字节转换状态 *ps）。如果函数确定 s 中的下一个多字节字符是完整且有效的，则将其转换为相应的 32 位宽字符，并将其存储在 *pc32 中（如果 pc32 不为空）。

如果 *s 中的多字节字符对应于多 char32_t 序列（UTF-32 不可能），则在首次调用此函数后，*ps 将被更新，以便后续对 mbrtoc32 的调用将写出额外的 char32_t，而无需考虑 *s。

如果 s 是空指针，则 n 和 pc32 的值将被忽略，并且调用等效于 mbrtoc32(NULL, "", 1, ps)。

如果生成的宽字符是空字符，则转换状态 *ps 表示初始移位状态。

如果宏 __STDC_UTF_32__ 已定义，则此函数使用的 32 位编码为 UTF-32；否则，它是实现定义的。该宏始终定义，且编码始终为 UTF-32。(自 C23 起) 在任何情况下，此函数使用的多字节字符编码均由当前活动的 C 本地环境指定。

参数

pc32	-	指向将写入结果 32 位宽字符的位置的指针
s	-	指向用作输入的多字节字符串的指针
n	-	可以检查的 s 中的字节数限制
ps	-	指向在解释多字节字符串时使用的转换状态对象的指针

返回值

以下第一个适用的情况：

• ​0​ 如果从 s 转换的字符（如果非空，则存储在 *pc32 中）是空字符。
• 成功从 s 转换的多字节字符的字节数 [1, n]。
• (size_t)-3 如果现在已将来自多 char32_t 字符的下一个 char32_t 写入到 *pc32。在这种情况下，不处理来自输入的任何字节。
• (size_t)-2 如果接下来的 n 个字节构成一个不完整但到目前为止有效的多字节字符。不向 *pc32 写入任何内容。
• (size_t)-1 如果发生编码错误。不向 *pc32 写入任何内容，值 EILSEQ 存储在 errno 中，并且 *ps 的值未指定。

示例

在 MSVC 上，您将需要 /utf-8 编译器标志才能使 UTF_8 正常工作。

运行此代码

#include <assert.h>
#include <locale.h>
#include <stdio.h>
#include <uchar.h>
 
int main(void)
{
    setlocale(LC_ALL, "en_US.utf8");
    char in[] = u8"zß水🍌"; // or "z\u00df\u6c34\U0001F34C"
    enum { in_size = sizeof in / sizeof *in };
 
    printf("Processing %d UTF-8 code units: [", in_size);
    for (int i = 0; i < in_size; ++i)
        printf("%s%02X", i ? " " : "", (unsigned char)in[i]);
    puts("]");
 
    char32_t out[in_size];
    char32_t* p_out = out;
    char* p_in = in;
    char* end = in + in_size;
    mbstate_t state = {0};
    size_t rc;
    while ((rc = mbrtoc32(p_out, p_in, end - p_in, &state)))
    {
        assert(rc != (size_t)-3); // no surrogate pairs in UTF-32
        if (rc == (size_t)-1) break; // invalid input
        if (rc == (size_t)-2) break; // truncated input
        p_in += rc;
        ++p_out;
    }
 
    size_t out_size = p_out+1 - out;
    printf("into %zu UTF-32 code units: [", out_size);
    for (size_t i = 0; i < out_size; ++i)
        printf("%s%08X", i ? " " : "", out[i]);
    puts("]");
}

输出

Processing 11 UTF-8 code units: [7A C3 9F E6 B0 B4 F0 9F 8D 8C 00]
into 5 UTF-32 code units: [0000007A 000000DF 00006C34 0001F34C 00000000]

参考文献

• C23 标准 (ISO/IEC 9899:2024)

• 7.30.1.5 mbrtoc32 函数 (p: 410)

• C17 标准 (ISO/IEC 9899:2018)

• 7.28.1.3 mbrtoc32 函数 (p: 293-294)

• C11 标准 (ISO/IEC 9899:2011)

• 7.28.1.3 mbrtoc32 函数 (p: 400-401)

参见

c32rtomb (C11)	将 UTF-32 字符转换为窄多字节编码 (函数)
C++ 文档 关于 mbrtoc32