C 語言輸出中文亂碼：編碼不匹配與標準庫局限性分析

現象重現

從文本文件讀取包含中文的詞典數據，printf("%s", chinese) 輸出亂碼（如 ??越橫穿?）。

根本原因

1. 字符編碼不一致：源文件可能為 GBK/GB2312，終端顯示期望 UTF-8，或反之。
2. C 標準庫局限：char 單字節，%s/%c 僅處理 ASCII (32-127)。中文編碼（雙字節/多字節）超出此範圍，標準庫無法正確解析邊界。
3. 代碼邏輯缺陷：if (ch < 0) 判斷中文依賴 char 有符號特性，不可移植；未處理多字節字符的完整性（如 GBK 兩字節需成對讀取）。

解決方案

方案一：統一編碼為 UTF-8（推薦）

• 文件保存為 UTF-8 無 BOM。
• 終端設置為 UTF-8（Windows CMD: chcp 65001，或用 Windows Terminal）。
• 代碼中使用 wchar_t、wprintf、fgetwc 等寬字符函數，或引入 iconv/ICU 庫轉碼。

方案二：Windows 控制台專用 API

SetConsoleOutputCP(CP_UTF8); // 需 #include 
SetConsoleCP(CP_UTF8);

方案三：最小改動驗證

// 讀取時以二進制模式打開，手動解碼
FILE *fp = fopen("text.txt", "rb");
// 讀取原始字節，按已知編碼(如GBK)解碼為寬字符再輸出

代碼改進要點

• 避免 feof 控制循環，改用 while ((ch = fgetc(fp)) != EOF)。
• 中文判斷改用 isleadbyte(ch) (Windows) 或檢查 UTF-8 首字節標記位。
• 輸出用 wprintf(L"%ls", wstr) 配合寬字符串。

總結

C 語言標準庫不原生支持多字節字符，**編碼統一 + 寬字符 API + 終端配置** 是解決中文亂碼的正規路徑。教學階段可先用英文數據驗證邏輯，再引入編碼處理。