代码之家 › 专栏 › 技术社区 › none

在C中,将非Ascii字符转换为int,额外的位由1而不是0补充

non-ascii-characters type-conversion utf-8 string c

none · 技术社区 · 8 年前

在用C编码时,我意外地发现,对于非Ascii字符,在将其从 char (1字节)至 int (4字节),额外位(3字节)由1而不是0补充。(对于Ascii字符,额外位由0补充。)例如:

char c[] = "Ä";
int i = c[0];
printf("%x\n", i);

ffffffc4 而不是 c4 它本身(is的UTF-8代码 \xc4\x81

>>

char c[] = "Ä";
unsigned int u_c;
int i = c[0];
unsigned int u_i = c[0];

c[0] = (unsigned int)c[0] >> 1; 
u_c = (unsigned int)c[0] >> 1;      
i = i >> 1;
u_i = u_i >> 1;
printf("c=%x\n", (unsigned int)c[0]); // result: ffffffe2. The same with the signed int i.
printf("u_c=%x\n", u_c); // result: 7fffffe2.
printf("i=%x\n", i); // result: ffffffe2.
printf("u_i=%x\n", u_i); // result: 7fffffe2.

现在我对这些结果感到困惑……它们是与char、int和unsigned int的数据结构有关,还是与我的操作系统(ubuntu 14.04)有关,还是与ANSI C要求有关?我试图用gcc(4.8.4)和clang(3.4)编译这个程序,但没有什么不同。

1 回复 | 直到 8 年前

Antti Haapala -- Ð¡Ð»Ð°Ð²Ð° Ð£ÐºÑÐ°ÑÐ½Ñ 8 年前

定义的实现 是否 char 烧焦 通常是 ; 手臂上通常是一个 无符号整数类型 .

有符号整数将为

转换为的有符号整数将使用模运算来包装将值放入无符号类型的范围中,就像通过重复添加或减去无符号类型的最大值+1一样。

unsigned char 如果您希望值为 便携式 零扩展,或用于存储范围内的小整数 0..255

-127..127/128 使用 signed char .

烧焦 如果签名不重要,那么实现可能会选择对平台最有效的类型。

unsigned int u_c; u_c = (uint8_t)c[0];,

自从 -0x3c 或 -60 不在范围内 uint16_t ,则实际值为这属于 uint16\U t ; 看,我们加减 UINT16_MAX + 1 注意,整数提升在这里可能会起作用,因此在C代码中可能需要强制转换 )直到值在范围内。 UINT16_MAX 自然总是 0xFFFFF ; 添加1以获取 0x10000 . 0x10000 - 0x3C 是 0xFFC4 你看到的。然后是 uint32_t 价值

你是在一个平台上运行的吗是 unsigned ,结果会是 0xC4

BTW输入 i = i >> 1; i 是带符号的整数负值 implementation-defined ,因此实际行为可能会因编译器而异。这个 GCC manuals state 那个

>> 作用于负数 标志扩展

然而,严格一致的程序不应依赖于此。

推荐文章

Aisha Javed · 从文件中删除非Unicode字符

7 年前

longtimelurker42 · Unicode--版权符号

7 年前

The_Fireplace · 如何在C++中处理字符串中的非ascii字符?

7 年前

user4035 · Perl SMTP:无法发送正文中包含非ascii字符的电子邮件

7 年前

AM93 · Python:在ISO 8859-1中写入COM

7 年前

none · 在C中,将非Ascii字符转换为int,额外的位由1而不是0补充

8 年前

Anuvansh Kumar · putc()在c中返回什么?

8 年前

Vidar S. Ramdal · 使用非ASCII字符从wchar_t创建v8::String的安全方法是什么?

9 年前

dust · ElementTree中的非ASCII属性值

10 年前

ilmetu · 编码的nsdata utf8 json,在ios中带有重音字符

10 年前