实现定义的行为和将unicode读取到缓冲区

implementation defined behaviour and reading unicode to buffer

本文关键字：unicode 读取 缓冲区 定义 实现      更新时间：2023-10-16

我有两个问题，一个小问题，所以我会一起问。实施定义的行为和未定义的行为一样危险吗？

我使用以下代码从文件中读取了一些unicode字符串：

 char buff[1000];
 while (fgets(buf,1000, ptr_file) != NULL)
        printf("line: %s",buf);

我相信文件中的unicode字符是用UTF8编码保存的。但当我检查时，每个UTF8值都超过了128。然而正如您所看到的，数组是char类型(表示范围-127128(。但是字符串打印正确。发生了什么？我调用UB了吗？

当标准声明某个东西具有实现定义的行为时，这意味着编译器编写器必须记录该东西将发生的事情。该行为是而不是未定义的，但不同实现之间的行为可能有所不同。

CCD_ 2的符号性就是这样一个例子。它是由实现定义的，无论是有符号的还是无符号的，但编译器实现应该记录它(通常，它会提供一个开关，让您选择想要的方式(。

注意，char本身是不同于signed char和unsigned char的类型(与signed int同义的int相反(。

交叉引用：C.11:§6.2.5&段落；15和C++。11:§3.9.1&段；1.

为了回答第二个问题，我认为没有任何代码点用UTF-8编码表示的UB，因为参考了C99最新的草案6.2.5，p.3(强调我的(：

声明为类型char的对象足够大，可以存储基本执行字符集。如果是基本执行的成员字符集存储在char对象中，其值保证为是非负的。如果任何其他字符存储在char对象中结果值是实现定义的，但应在可以用该类型表示的值的范围。

这可能有助于添加fgets函数的原型为：

char*fgets(char*restrict s，int n，FILE*restrict stream(；

例如，变音符号ś以UTF-8编码为两个字节：C5(十进制的197，因此假设char的有符号变体，它在-128..127范围之外(和9B。它的实现定义了C5实际上存储在char0对象中。由于UTF-8编码"产生"字节表示，因此在任何单字节范围内存储值都没有实际问题。

第一个问题检查：未定义、未指定和实现定义的行为。

相关文章：