C语言使用char字符实现汉字处理

C语⾔使⽤char字符实现汉字处理

系统：windows 64

编译器：gcc version 8.1.0 (x86_64-posix-h-rev0, Built by MinGW-W64 project)

⽂本编辑器：notepad

控制台：Cmder

编程语⾔：C、Python

⾸先，要想打印汉字，必须考虑到编码问题。在windows下，由于系统使⽤GBK编码，⽽GCC解析时空手套白狼 使⽤UTF-8⽽会导致以下代码运⾏

时出现乱码：

#include

int main()

{

char一望无际的反义词 *str = "你好，世界！";

printf("%sn", str);

return 0;

}

解决⽅法为：使⽤“-fexec-chart=gbk”命令

解决了编码问题，我们还需要了解⼏点：

char类型本质上是数字，占据⼀个字节（即⼋位），可以通过%d打印编码，通过%c打印字符

在C语⾔中，⼀个汉字占据两个char类型

汉字的两个char类型为负数

在打印汉字时，它的两个char必须紧跟着

根据这⼏点，我们可以打印出汉字以及它们的编码：

#include

#include <string.h>

int main()

{

// str为字符指针，指向⼀个字符字⾯量，这个字符字⾯量由'0'结尾

char *str = "你好，世界！Hello, world残棋图片 !";

// chr为字符指针，指向str所指向的字符字⾯量的第⼀个字符的地址，即'你'字符的两个char中的第⼀个

char *chr = str;

print眼睛部位图解 f("%zu %sn", strlen(str), str);

// 如果遇到'0'，说明字符串结束了

while (*chr != '0')

{

// 如果chr的编码为负数，则说明遇到了⼀个汉字

if (*chr < 0)

{

// 打印汉字及汉字的编码

// 注意两个char必须紧紧跟着打印（%c%c），否则会打印出 ??

printf("%c%c: %d%dn", *chr, *(chr+1), *(chr), *(chr+1));

// chr⾃增两个字节（因为每个汉字都由两个char组成）

chr += 2;

}

el

{

// 打印英⽂字符

printf("%c: %dn", *chr, *chr);

// chr⾃增⼀个字节

++chr;

}

}

return 0;

}

从上图，我们可以看出，这个字符串占据了25个字节，4个汉字加2个全⾓符号占据了12个字节，再加上23个英⽂字符，总共25个字

节。我们可以从下图更清晰地看出str的构造：

但是，根据我们在⽹上查询的结果，汉字‘你’的GBK编码应为：C4E3，但是在这⾥，却打印出了：-60-29，这是为什么呢？

这⾥涉及到进制的问题，可能-60-29是⼗六进制数C4E3的⼗进制数？

⾸先，我们先通过Python看看C4E3的⼆进制数以及⼗进制数。这好像跟-60-29根本不沾边。

我们先看看下⾯的代码，导⼊头⽂件引经据典什么意思 ，看看char类型的取值范围为多少：

#include

#include

int main()

{

printf("[%d ~ %d我的拿手好菜 ]n", CHAR_MIN, CHAR_MAX);

printf("%c%cn", 0xC4, 0xE3);return 0;

}

我们可以看到：char类型的取值范围为[-128 ~ 127]，但社团申请表 是我们却可以打印出汉字”你“。这是为什么呢？明明char的取值范围最多127，

⽽汉字“你”的两个字符分别为：196和227，都超过了这个值。其实这是因为，C语⾔将这两个数字的⼆进制数作为负数处理。C中的char类

型有1个字节，占8位，⽽它的最⾼位为符号位，当它为0时为正，1时则为负。C通过对正数做补码操作得到负数。补码，即对⼀个⼆进制数

取反，然后再加1。⽐如，0xC4的⼆进制数为0b11000100，我们可以看到最⾼位1，在C中这个数就是负数。我们可以通过对这个⼆进制数

做补码操作，得到0b00111100，即60。所以0b11000100在C中表⽰为-60。

从以上，我们可以发现，GBK编码中，⼀个汉字占两字节。因为C中char类型只占⼀个字节，所以需要使⽤两个char类型来表⽰汉字。

因为C中char为有符号类型，char的表⽰范围为[-128 ~ 127]，所以在遇到⼤于127的数字时，会被char表⽰为负数。

其实，我们还可以使⽤unsigned char来实现。char默认是有符号的，取值范围为：-128 ~127。⽽unsigned char的取值范围则为：

0~255，那么汉字“你”的编码就会被显⽰为：196和227。

#include

#include <string.h>

int main()

{

// str为字符指针，指向⼀个字符字⾯量，这个字符字⾯量由'0'结尾

unsigned char *str = (unsigned char *)"你好，世界！Hello, world!";

// chr为字符指针，指向str所指向的字符字⾯量的第⼀个字符的地址，即'你'字符的两个char中的第⼀个

unsigned char *chr = str;

printf("%zu %sn", strlen(str), str);

// 如果遇到'0'，说明字符串结束了

while (*chr != '0')

{

// 如果chr的编码⼤于127，则说明遇到了⼀个汉字

if (*chr > 127)

{

// 打印汉字及汉字的编码

// 注意两个char必须紧紧跟着打印（%c%c），否则会打印出 ??

printf("%c%c: %d %dn", *chr, *(chr+1), *(chr), *(chr+1));

// chr⾃增两个字节（因为每个汉字都由两个char组成）

chr += 2;

}

el

{

// 打印英⽂字符

printf("%c: %dn", *chr, *chr);

// chr⾃增⼀个字节

++chr;

}

}

return 0;

}