C 語言寬字符與 Unicode 處理完全指南

C 語言寬字符集操作函數與 Unicode 實戰

隨著國際化需求增長，C 語言透過 wchar_t 與寬字符函數族支援 Unicode。本文整理標準庫對應關係、多位元組/寬字符轉換、以及 ANSI/Unicode 雙模式開發要點。

寬字符函數對照表

多位元組與寬字符轉換核心函數

// 多位元組字符串 -> 寬字符串
size_t mbstowcs(wchar_t *pwcs, const char *s, size_t n);

// 寬字符串 -> 多位元組字符串
size_t wcstombs(char *s, const wchar_t *pwcs, size_t n);

// 單字符轉換 (受 locale 影響)
int mbtowc(wchar_t *pwc, const char *s, size_t n);
int wctomb(char *s, wchar_t wchar);

// 判斷多位元組字符長度
int mblen(const char *s, size_t n);

關鍵點：轉換行為由當前 LC_CTYPE locale 決定。UTF-8 locale 下可正確處理中文；"C" locale 下多位元組字符長度通常為 1，無法正確轉換非 ASCII 字符。

ANSI / Unicode 雙模式開發模式

Windows 平台透過宏切換：

• 定義 UNICODE (Windows SDK) 與 _UNICODE (CRT) → 啟用寬字符版本
• 未定義 → 使用 ANSI 版本 (單位元組/雙位元組混合，如 GBK)

通用類型映射：

使用 _T() 或 TEXT() 宏包裹字面值，配合 _tcs* 通用函數，可實現單一代碼庫雙模式編譯。

編碼轉換實用建議

1. 跨平台/網路傳輸：統一使用 UTF-8 (char*)，避免 wchar_t 大小不一 (Windows 2 bytes, Linux 4 bytes) 導致的二進制不相容
2. Windows API 呼叫：優先使用寬字符版 (以 W 結尾，如 CreateFileW)，避免 ANSI 版隱含轉換效能損耗
3. 檔案存儲：採用 UTF-8+BOM 或無 BOM UTF-8，讀寫時按需轉換
4. ICU 庫：複雜 Unicode 處理 (正規化、排序、斷詞) 建議引入 ICU，而非自行實現

常見誤區

• wchar_t 不是固定 2 字節：C 標準僅保證能容納基本字符集，實際大小由實現定義
• setlocale(LC_ALL, "") 必須在多位元組函數調用前執行，否則行為未定義
• UTF-8 是 Unicode 的一種編碼實現，非同義詞。Unicode 定義碼位；UTF-8/16/32 定義碼位到位元組序列的映射