C 語言轉義字符到字符常量的內部轉換機制

問題本質

從源代碼中的轉義序列（如 `\n`, `\x41`, `\101`）到編譯後目標文件中的字符常量值，經歷了編譯器詞法分析 → 字符集映射 → 目標平台編碼存儲的完整流程。

詳細階段

1. 源代碼編碼：源文件按 UTF-8/GBK 等編碼保存，編譯器讀取時按指定編碼解碼為 Unicode 碼點序列。
2. 詞法分析與轉義處理：編譯器識別 `\` 開頭的轉義序列，按 C 標準映射為對應的抽象字符值（即 Unicode 碼點）。例如：
   • `\n` → U+000A (LF)
   • `\x41` → U+0041 ('A')
   • `\101` (八進制) → U+0041 ('A')
3. 字符常量類型確定：`'A'` 類型為 `int`（C89/C99），值為該字符在執行字符集中的編碼值。
4. 目標代碼生成：編譯器將該整數值以目標平台的執行字符集（通常為 ASCII 兼容編碼）編碼存入 `.rodata` 段或立即數指令中。

關鍵概念區分

示例追蹤

char c = '\x41';  // 源文件 UTF-8 編碼
// 1. 詞法分析：識別 \x41 → 碼點 U+0041
// 2. 執行字符集假設為 ASCII：U+0041 在 ASCII 中編碼為 0x41
// 3. 生成指令：mov byte ptr [c], 0x41
// 4. 運行時：內存中 c = 0x41，printf("%c", c) 輸出 'A'

跨平台注意點

• 同一源代碼在 ASCII 與 EBCDIC 平台編譯，字符常量值不同（如 `'A'` 分別為 0x41 和 0xC1）。
• 標準庫函數（`printf`, `strcmp` 等）按執行字符集語義工作，源代碼中直接寫字符字面量 `'中'` 可能因源/執行字符集不一致導致亂碼，建議使用通用字符名 `\u4E2D`。

總結

轉義字符 → 字符常量的轉換，本質是編譯器在編譯期按語言標準將轉義語法映射為執行字符集中的數值編碼。理解「源字符集」與「執行字符集」的區別，是掌握 C 語言字符處理可移植性的關鍵。