C 参考手册

mbrtoc32

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 );
 (C11 起)

从窄多字符编码转换编码点到其变长 32 位宽字符表示（但典型地为 UTF-32 ）。

若 s 不是空指针，则审查以 s 所指向的字节开始的多字节字符串的至多 n 个字节，以确定完成下个多字节字符所需的字节数（包含任何迁移序列）。若函数确定 s 中下个多字节字符完整且合法，则将它转换成对应的 32 位宽字符并存储于 *pc32 （若 pc32 非空）。

若 *s 中下个多字节字符对应多 char32_t 序列（对于 UTF-32 不可能），则在首次调用此函数后更新 *ps ，以满足下次到 mbrtoc32 的调用将写出附加的 char32_t ，而不考虑 *s 。

若 s 是空指针，则忽略 n 与 pc32 的值，而调用等价于 mbrtoc32(NULL, "", 1, ps) 。

若产生的宽字符是空字符，则转换状态 *ps 表示初始迁移状态。

若定义宏 __STDC_UTF_32__ ，则此函数所用的 32 位编码是 UTF-32 ；否则它是实现定义的。任何情况下，此函数所用的多字节编码为当前活跃的 C 本地环境所指定。

参数

pc32 - 指向将写入产生的 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 - s 中能检验的字节数上的限制
ps - 指向转译多字节字符串时所用的转换状态对象的指针

返回值

下列首个应用者：

  • 若从 s 转换的字符为空字符（并存储于 *pc32 中，若它非空）则为 ​0​ 。
  • 成功从 s 转换的多字节字符的字节数 [1...n] 。
  • 若现已将来自多 char32_t 字符的下个 char32_t 写入 *pc32 ，则为 (size_t)-3 。此情况下不从输入处理字节。
  • 若接下来 n 个字节组成不完整，但到此仍合法的多字节字符则为 (size_t)-2 。不写入内容到 *pc32 。
  • 若出现编码错误则为 (size_t)-1 。不写入内容到 *pc32 ，存储 EILSEQ 于 errno 且 *ps 的值未指定。

示例

运行此代码
#include <stdio.h>
#include <locale.h>
#include <string.h>
#include <uchar.h>
#include <assert.h>
 
mbstate_t state;
int main(void)
{
    setlocale(LC_ALL, "en_US.utf8");
    char in[] = u8"zß水????"; // 或 "z\u00df\u6c34\U0001F34C"
    size_t in_sz = sizeof in / sizeof *in;
 
    printf("Processing %zu UTF-8 code units: [ ", in_sz);
    for(size_t n = 0; n < in_sz; ++n) printf("%#x ", (unsigned char)in[n]);
    puts("]");
 
    char32_t out[in_sz];
    char *p_in = in, *end = in + in_sz;
    char32_t *p_out = out;
    size_t rc;
    while((rc = mbrtoc32(p_out, p_in, end - p_in, &state)))
    {
        assert(rc != (size_t)-3); // UTF-32 中无代理对
        if(rc > ((size_t)-1) / 2) break;
        p_in += rc;
        p_out += 1;
    }
 
    size_t out_sz = p_out - out + 1;
    printf("into %zu UTF-32 code units: [ ", out_sz);
    for(size_t x = 0; x < out_sz; ++x) printf("%#x ", out[x]);
    puts("]");
}

输出： 

Processing 11 UTF-8 code units: [ 0x7a 0xc3 0x9f 0xe6 0xb0 0xb4 0xf0 0x9f 0x8d 0x8c 0 ]
into 5 UTF-32 code units: [ 0x7a 0xdf 0x6c34 0x1f34c 0 ]

引用

  • C11 standard (ISO/IEC 9899:2011):
  • 7.28.1.3 The mbrtoc32 function (p: 400-401)

参阅

(C11)
 将32位宽字符转换成窄多字节字符串
(函数)