在 c 中使用 write(2) 打印 Unicode 字符
Printing Unicode characters using write(2) in c
我正在编写一小段代码，将字符打印到屏幕上，并且必须支持 wchar_t 中包含的所有 Unicode，而我仅限于 write(2)。我设法打印了一个表情符号：
write(1, "\U0001f921", 6);
所以 \U 似乎是可行的方法。但是，我无法将 wchar_t 转换为正确的转义序列，即将 wchar_t c = L''; 转换为 \U0001f921
我什至可以在 C 中做到这一点吗？
非常感谢。
I'm working on a small piece of code that prints characters to the
screen, and must support all of Unicode contained in a wchar_t, and
i'm limited to only write(2).
这是一个有问题的要求组合。特别是，wchar_t 字符表示可能无法很好地使用 write() 进行输出。
更一般地说，这里有多个问题，其中：
- 源字符集和执行字符集的成员。
- 如何在源中表示执行字符集的扩展字符（通过源字符集）。
- 如何将执行字符集的扩展字符呈现给您选择的输出设备，以便设备按需要处理它们。
请注意，C 只指定了相当小的一组字符，必须 出现在执行字符集中。此外，其中 "extended"、字符 可能 存在，您的表情符号将属于此类。通过标准 C 接口处理扩展字符有点糊涂，因为标准为实现提供了很大的自由，让他们在那里做事。
So \U seem to be the way to go.
\U引入了“万能字名”。重要的是要了解这些序列在编译期间被转换为执行字符集的成员。
However, i can't get to convert the
wchar_t into the proper escape sequence, ie converting wchar_t c =
L''; into \U0001f921
假设 '' 可以直接在源字符集中表示，以便在源代码中按字面意义使用它是不安全的。这取决于您的 C 实现。通用字符名称更安全。此外，如果您想要一个宽字符常量，那么您可以尝试使用 L'\U0001f921'，但是 wchar_t 很可能无法表示该字符。特别是，许多实现具有 16 位 wchar_t，并且这些实现不太可能支持您的角色作为（单个）wchar_t。
使用宽字符串文字可能会更好：L"\U0001f921"，但这主要对您有用，如果您正在使用特定于宽字符的函数，它将为您执行适当的编码转换. write()不会进行这样的转换，所以是否产生期望的结果取决于你的运行环境的配置。我判断您使用普通字符串文字的原始方法更有可能奏效。
如果您愿意，并且可以使用 C2011 功能，那么您还可以表达定义为以 UTF-8 编码的（常规）字符串文字，而不管实际执行字符集是什么。其形式为 u8"\U0001f921"。不过，再次强调，以这种方式产生您想要的结果取决于您的环境。 UTF-8 文字更适合与专门定义为使用 UTF-8 的接口进行交互。
Can i even do that in C ?
假设您的表情符号字符可以由类型为 wchar_t 的单个对象来表示是不安全的。可能有支持它的 C 实现，但我认为它们并不常见。
最后一点：这段代码...
write(1, "\U0001f921", 6);
... 几乎可以肯定的是，由于超出了您呈现给 write() 的 char 数组的边界，会出现未定义的行为。我没有看到它超过 5 个字符的任何合理场景，但你写了 6，至少超过 1。如果内部表示是 UTF-8，那么该数组的长度将是 4——三个字节编码字符，一个用于字符串终止符。
您应该测量长度以找出要写入多少字节，例如：
const char *emoji = "\U0001f921";
write(1, emoji, strlen(emoji));
我正在编写一小段代码，将字符打印到屏幕上，并且必须支持 wchar_t 中包含的所有 Unicode，而我仅限于 write(2)。我设法打印了一个表情符号：
write(1, "\U0001f921", 6);
所以 \U 似乎是可行的方法。但是，我无法将 wchar_t 转换为正确的转义序列，即将 wchar_t c = L''; 转换为 \U0001f921
我什至可以在 C 中做到这一点吗？
非常感谢。
I'm working on a small piece of code that prints characters to the screen, and must support all of Unicode contained in a wchar_t, and i'm limited to only write(2).
这是一个有问题的要求组合。特别是，wchar_t 字符表示可能无法很好地使用 write() 进行输出。
更一般地说，这里有多个问题，其中：
- 源字符集和执行字符集的成员。
- 如何在源中表示执行字符集的扩展字符（通过源字符集）。
- 如何将执行字符集的扩展字符呈现给您选择的输出设备，以便设备按需要处理它们。
请注意，C 只指定了相当小的一组字符，必须 出现在执行字符集中。此外，其中 "extended"、字符 可能 存在，您的表情符号将属于此类。通过标准 C 接口处理扩展字符有点糊涂，因为标准为实现提供了很大的自由，让他们在那里做事。
So
\Useem to be the way to go.
\U引入了“万能字名”。重要的是要了解这些序列在编译期间被转换为执行字符集的成员。
However, i can't get to convert the wchar_t into the proper escape sequence, ie converting
wchar_t c = L'';into\U0001f921
假设 '' 可以直接在源字符集中表示，以便在源代码中按字面意义使用它是不安全的。这取决于您的 C 实现。通用字符名称更安全。此外，如果您想要一个宽字符常量，那么您可以尝试使用 L'\U0001f921'，但是 wchar_t 很可能无法表示该字符。特别是，许多实现具有 16 位 wchar_t，并且这些实现不太可能支持您的角色作为（单个）wchar_t。
使用宽字符串文字可能会更好：L"\U0001f921"，但这主要对您有用，如果您正在使用特定于宽字符的函数，它将为您执行适当的编码转换. write()不会进行这样的转换，所以是否产生期望的结果取决于你的运行环境的配置。我判断您使用普通字符串文字的原始方法更有可能奏效。
如果您愿意，并且可以使用 C2011 功能，那么您还可以表达定义为以 UTF-8 编码的（常规）字符串文字，而不管实际执行字符集是什么。其形式为 u8"\U0001f921"。不过，再次强调，以这种方式产生您想要的结果取决于您的环境。 UTF-8 文字更适合与专门定义为使用 UTF-8 的接口进行交互。
Can i even do that in C ?
假设您的表情符号字符可以由类型为 wchar_t 的单个对象来表示是不安全的。可能有支持它的 C 实现，但我认为它们并不常见。
最后一点：这段代码...
write(1, "\U0001f921", 6);
... 几乎可以肯定的是，由于超出了您呈现给 write() 的 char 数组的边界，会出现未定义的行为。我没有看到它超过 5 个字符的任何合理场景，但你写了 6，至少超过 1。如果内部表示是 UTF-8，那么该数组的长度将是 4——三个字节编码字符，一个用于字符串终止符。
您应该测量长度以找出要写入多少字节，例如：
const char *emoji = "\U0001f921";
write(1, emoji, strlen(emoji));