c - Linux 上的 UTF-16 的 wchar_t？

Question

wchar_t*在 Linux上存储 UTF-16 编码的文本是否有意义？明显的问题是wchar_t在 Linux 上是四个字节，而 UTF-16 通常每个字符占用两个（或有时两组两个）字节。

我正在尝试使用可以完全做到这一点的第三方库，这似乎很令人困惑。看起来事情搞砸了，因为在 Windows 上wchar_t是两个字节，但我只是想仔细检查一下，因为它是一个非常昂贵的商业库，可能我只是不明白一些东西。

Answer 1

虽然可以将 UTF-16 存储在 中wchar_t，但此类wchar_t值（或用作字符串的数组）不适合与任何采用wchar_t或指向wchar_t字符串的标准函数一起使用。因此，要回答您最初的“这有意义吗……？”的问题，我会以明确的否定回答。你当然可以使用uint16_t这个目的，或者char16_t如果 C11 可用的话，虽然我看不出有任何理由为什么后者会更可取，除非你也打算使用 C11 函数来处理它（而且它们似乎没有尚未实施）。

Answer 2

http://userguide.icu-project.org/strings说

Unicode 标准定义了基于 16 位代码单元的默认编码。ICU 中将 定义为UChar无符号 16 位整数类型支持这一点。这是 ICU 中字符串的字符数组的基本类型。

因此，如果您使用 ICU，那么您可以使用UChar*. 如果没有，如果uint16_t您想与UChar.

Answer 3

好吧，最好的解决方案可能是使用char16_tUTF-16，因为这是标准的 16 位字符类型。从 gcc 4.4 开始就已支持此功能，因此应该存在于您将看到的大多数 Linux 系统上。

Answer 4

不，解码 UTF-16 并将其存储在 wchar_t 数组中是有意义的。并非所有 Unicode 代码点在 UTF-16 中都只有一个 16 位字，但它们都适合 wchar_t。

无论如何，UTF-16 是比其他任何东西都更糟糕的折衷方案，并且永远不应该使用。要么使用 UTF-8（在大多数情况下效率更高，也更常用），要么使用 wchar_t[]。