瑞安 网站建设培训班一级站点和二级站点区别

Windows端的C函数setlocale、printf与wprintf打印中文字符谜局小解

背景：区域(locale)设置

在现代操作系统中，为了适配各国用户的文化传统，包括语言字符集、时间日期和货币表达方式等方面的差异，都存在locale设置。用户在安装操作系统时便会选择自己所在国家/地区，作为系统的默认区域设置。在中国，Windows系统的区域设置便是：Chinese (Simplified)_China.936，包括“936代码页+GB2312字符集+年月日时分日期顺序+货币单位为￥”。顺带一提，在Linux系统上，默认的区域设置是“C.UTF-8”，使用Unicode字符集和UTF-8编码。

对于Windows开发者来说，在Visual Studio中编译好的程序默认的区域设置（“C”，仅支持ASCII字符和编码）和操作系统并不一致，因此在控制台I/O中文字符时通常需要进行区域设置。特别是使用wchar_t类型的字符时，需要调用wprintf函数打印字符串，这种场景下调用setlocale函数是必需的。

现象观察：调用setlocale前后打印中文字符串效果

我们这里在讨论仅Windows端的状况

在Windows平台上，标准库函数printf用于输出常规字符串（char*），标准库函数wprintf用于输出宽字符串（wchar*）。有时，开发者想在控制台输出中文信息，而又苦于在在不同代码页的控制台中难以统一正常输出。我们以默认的936代码页和65001代码页为例，进行实验。测试代码如下：

#include<stdio.h>
#include<stdlib.h>int main()
{printf("1.中文测试printf\n");wprintf(L"2.中文测试wprintf\n");setlocale(LC_CTYPE, "");/// Windows中文平台默认为 GBKprintf("3.中文测试printf\n");wprintf(L"4.中文测试wprintf\n");return 0;
}

将编译生成的exe在两个代码页的控制台运行，根据实验观察，打印含中文的字符串时有以下两个现象：

1. 调用setlocale前：

• printf可以正常打印含中文的字符串。将默认代码页936切换到代码页65001（utf-8编码）时，不能正常打印。
• wprintf不能正常打印含中文的字符串。如果字符串首个字符就是中文字符，整个字符串都不会被输出；如果首个字符是ASCII字符，则可以正常输出、直到遇到中文字符。将默认代码页936切换到代码页65001（utf-8编码）时，不能正常打印。

2. 调用setlocale(LC_TYPE,"");后（即将程序进程的区域设置为系统默认值，例如Windows中文系统的locale是Chinese (Simplified)_China.936）：

• printf依然可以正常打印含中文的字符串。将默认代码页936切换到代码页65001（utf-8编码）时，可以正常打印。
• wprintf也可以正常打印含中文的字符串。将默认代码页936切换到代码页65001（utf-8编码）时，可以正常打印。

这是为什么？

现象解释

1. 为何调用setlocale后wprintf能正常输出中文字符？

printf、wprintf打印字符串时，都会调用common_vfprintf函数，并且在完成字符串格式化后，最终都调用_write_nolock函数将多字节编码的字符串输出到控制台。而_write_nolock函数会首先检测当前进程是否设置了locale：

• wprintf按wchar类型处理每个中文字符，首先调用wctomb_s将其转换为多字节字符编码；再根据是否调用了setlocale，对转换结果作进一步处理，最终将字节流输出到标准流。而wctomb_s函数需要设置正确的locale，默认的区域设置"C"不支持ASCII以外的字符，该函数无法正常转换。因此，未设置locale时无法正常输出中文内容。
• 如果设置了locale，wctomb_s函数可以正常工作，将每个Unicode编码的中文字符（L’'）转为多字节编码，不会报错。

2. 为何调用setlocale之前printf就能正常输出中文字符？

未调用setlocale时，字符串的默认编码是多字节编码（GBK），对于printf函数而言，用户传入的char*指针指向的内容相当于原样传递给最终的WriteFile函数，输出代码页是936（GBK编码）时可以正常显示中文字符，而65001代码页就不行。因为65001代码页假定传入的字节流是UTF-8编码的。

3. 为何调用setlocale之后wprintf/printf在不同代码页都能正常输出中文字符？

设置了locale后，printf和wprintf都将字符串的多字节编码（ANSI）字节流先转为Unicode编码，再获取控制台的代码页信息，随后调用WideCharToMultiByte，将Unicode编码的字符串转换到输出终端对应代码页的多字节编码，将字节流输出到标准流。

因此，只要是支持中文的控制台代码页，调用setlocale之后wprintf/printf都可以正常输出中文字符。

总结

wprintf对于输入的字符串一般用wctomb_s转换成多字节编码，若未调用setlocale则直接将转换后的多字节编码字节流输出到标准流。

调用了setlocale之后，wprintf会再额外转换一次，将多字节编码的字节流先转为Unicode编码（UTF-16 LE），然后再根据输出控制台代码页转为多字节编码，将字节流输出到标准流。这次额外的转换正是printf和wprintf在不同代码页控制台能正确输出中文字符的根源。

参考

微软代码页标识符