C中的不同撇号
我正在编写一个读取文本文件的程序，并将字符读入数组。
我需要它完成，逐个字符到数组中，我需要清理空格，标点符号和大小写的字符。
我已经编写了代码来执行此操作。 但是，我所关注的作业有一个特定的文本文档，我要清理。
问题是文档中的撇号没有被ispunct函数标记。 如果我删除文本文档中的撇号并用普通撇号替换它们，它可以正常工作。 我觉得这还不够好，因为我不会使用自己的文本文件来certificate程序的有效性。
我试过包含专门针对该撇号的声明：
否则如果（c ==”’）[从c = fgetc（fp）拉出]，我得到一个多字符字符常量[-Wmultichar]。
这个小细节让我疯了，我不知道为什么撇号不同！
“那是”这是文档中的一段文本，当转换为hex等于74 68 61 74 e2 80 99 73。
也许您的输入是UTF-8编码（这是一件好事， 到处都可以阅读UTF8 ）。 只有你（或你的用户）可以告诉（但读取字节顺序标记） 。 在Linux上， file（1）命令通常可以猜测UTF-8编码的文本文件。
但UTF-8是一个可变字节编码（一些Unicode字符由几个字节表示，在几乎所有C11实现中，一个字节是一个char ），并且最近的C11标准不知道。 因此，您需要将字节流解析为UTF-8。 请注意， strlen不再给出UTF-8 字符的数字（或长度），而只是字节长度。 因此，您应该将char视为一个字节 ，而不是Unicode字符。
我建议使用一些外部库进行UTF-8解析，比如Glib Unicode Manipulation函数或更简单的libunistring 。 如果不允许使用这样的外部库，则可以通过跳过设置了较高位的每个char来忽略每个多字节 UTF-8字符（但如果要编写可移植的C代码，这可能会很棘手，因为某些C实现具有char与signed char相同，其他实现的char与unsigned char相同。 我不建议使用wchar_t ，这是特定于实现和操作系统（在Linux和Windows上不同）。
else if(c==''')我还试过了
包含上述代码块的C源文件（很可能）也是UTF-8编码的，因此字符文字'''是一个多字节字符文字（如'ab'或'⬮'也是），实际上它是U+2019 RIGHT SINGLE QUOTATION MARK和'\342\200\231' ，其解释是特定于实现的。 通常，您应该避免在C源代码中避免使用此类多字节字符（在"éx⁂"或注释等文字字符串之外）。
一个更好的方法可能是考虑在剥离所有非法字符后留下的字符。 如果它只是az和其他几个，这是一个易于检测的范围。