将UTF-8文本转换为wchar_t
我知道这个问题在这里已经被问了很多次了，我确实读了一些答案，但是有一些建议的解决方案，我试图找出最好的解决方案。
我正在编写一个基本上接收以UTF-8编码的XML文本的C99应用程序。
它的一部分工作是复制和操作该字符串（找到一个substr，cat it，ex ..）
因为我现在不想使用外部非标准库，我试图使用wchar_t来实现它。
目前，即时通讯使用mbstowcs将其转换为wchar_t以便于操作，对于某些输入我尝试了不同的语言 – 它工作正常。
事实上，我确实读过一些人，因为UTF-8和mbstowcs存在一些问题，所以我想知道这种使用是否被允许/接受。
我遇到的其他选项是使用带有WCHAR_T参数的iconv。 事实上，即时工作在一个平台（而不是PC）上，它的语言环境对ANSI C语言环境非常有限。 那个怎么样？
我也遇到过一些非常受欢迎的C ++库。 但我限制C99实施。
另外，我将在另一个平台上编译此代码，wchar_t的sizeof不同（2个字节对比我机器上的4个字节）。 我怎么能克服这个？ 使用固定大小的char容器？ 但是，我应该使用哪些操作function呢？
很高兴听到一些想法。 谢谢。
C没有定义char和wchar_t类型的编码，标准库只强制在两者之间进行转换而不说明如何。 如果char的依赖于实现的编码不是UTF-8，那么mbstowcs将导致数据损坏。
正如C99标准的基本原理所述 ：
然而，这五个function往往过于严格，而且过于原始，无法开发管理角色的便携式国际程序。
…
C90故意选择不发明更完整的多字节和宽字符库，而是选择等待它们的自然发展，因为C社区获得了更多的广泛角色经验。
来自这里 。
因此，如果您的char有UTF-8数据，则没有标准的API方法将其转换为wchar_t 。
在我看来，除非必要，否则通常应该避免使用wchar_t – 如果您使用的是WIN32 API，则可能需要它。 我不相信它会简化字符串操作。 Windows上的wchar_t始终是UTF-16LE，因此您可能仍需要多个wchar_t来表示单个Unicode代码点。
我建议你调查ICU项目 – 至少从教育的角度来看。
另外，我将在另一个平台上编译此代码，wchar_t的sizeof不同（2个字节对比我机器上的4个字节）。 我怎么能克服这个？ 使用固定大小的char容器？
您可以使用这样的条件typedef来做到这一点：
#if defined(__STDC_UTF_16__) typedef _Char16_t CHAR16; #elif defined(_WIN32) typedef wchar_t CHAR16; #else typedef uint16_t CHAR16; #endif #if defined(__STDC_UTF_32__) typedef _Char32_t CHAR32; #elif defined(__STDC_ISO_10646__) typedef wchar_t CHAR32; #else typedef uint32_t CHAR32; #endif
这将定义CHAR16和CHAR32以使用新的C ++ 11字符类型（如果可用），但否则将回退到使用wchar_t和否则使用固定宽度无符号整数。