4. Multibyte Chars mit glibc

Multibyte Chars mit glibc

  • ?

    Hallo,

    ich versuche, die locale-abhängigen Zeichensatzfunktionen der GNU C Library zu verstehen. Ich habe etwas in der glibc-Doku gestöbert und herumprobiert, bekomme aber nicht die erwarteten Ergebnisse. Was läuft da falsch?

    Danke!

    // testmb.c

#include <stdlib.h> // MB_CUR_MAX
#include <stdio.h> // printf()
#include <limits.h> // MB_LEN_MAX
#include <wchar.h> // mbrtowc()

int
main(int argc, char* argv[])
{
  // erwartetes Ergebnis für MB_CUR_MAX:
  // bei LC_TYPE=de_DE (= ISO 8859-1): 1
  // bei LC_TYPE=de_DE.UTF-8: 4
  printf("MB_LEN_MAX: %d\nMB_CUR_MAX: %d\n", MB_LEN_MAX, MB_CUR_MAX);

  wchar_t* result = malloc(sizeof(wchar_t));
  size_t erg;

  // äöüß in ISO 8859-1
  const char data1[] = {0xe4, 0xf6, 0xfc, 0xdf, 0x00};
  printf("%s\n", data1); // Ausgabe hängt von Einstellung des Terminals/XTerm ab
  erg = mbrtowc(result, data1, (size_t) 1, NULL);
  // Rückgabewert von mbrtowc():
  // -2: unvollständiges Multibytezeichen
  // -1: ungültige Bytefolge
  // 0: Zeichen ist NULL
  // > 0: Anzahl verwertete Zeichen
  // erwartetes Ergebnis:
  // bei LC_TYPE=de_DE: 1 (ä = 1 Byte)
  // bei LC_TYPE=de_DE.UTF-8: -2 (0xe4 = 1110 0100 = Startbyte 3-Byte-Zeichen)
  printf ("mbrtowc(0xe4): %d\n", erg);

  // äöüß in UTF-8
  const char data2[] = {0xc3, 0xa4, 0xc3, 0xb6, 0xc3, 0xbc, 0xc3, 0x9f, 0x00};
  printf("%s\n", data2); // Ausgabe hängt von Einstellung des Terminals/XTerm ab
  erg = mbrtowc(result, data2, (size_t) 2, NULL);
  // erwartetes Ergebnis:
  // bei LC_TYPE=de_DE: 1 (0xc3 = A mit Tilde)
  // bei LC_TYPE=de_DE.UTF-8: 2 (ä = 2 Bytes)
  printf ("mbrtowc(0xc3 0xa4): %d\n", erg);

  return 0;
}

    emily@Cervelat:~$ gcc -Wall -o testmb testmb.c
emily@Cervelat:~$ locale
LANG=de_DE.UTF-8
LANGUAGE=de_DE:de:en_GB:en
LC_CTYPE="de_DE.UTF-8"
LC_NUMERIC="de_DE.UTF-8"
LC_TIME="de_DE.UTF-8"
LC_COLLATE="de_DE.UTF-8"
LC_MONETARY="de_DE.UTF-8"
LC_MESSAGES="de_DE.UTF-8"
LC_PAPER="de_DE.UTF-8"
LC_NAME="de_DE.UTF-8"
LC_ADDRESS="de_DE.UTF-8"
LC_TELEPHONE="de_DE.UTF-8"
LC_MEASUREMENT="de_DE.UTF-8"
LC_IDENTIFICATION="de_DE.UTF-8"
LC_ALL=
emily@Cervelat:~$ ./testmb
MB_LEN_MAX: 16
MB_CUR_MAX: 1
äöüß
mbrtowc(0xe4): -1
ÀöÌß
mbrtowc(0xc3 0xa4): -1
emily@Cervelat:~$ export LC_CTYPE=de_DE
emily@Cervelat:~$ locale
LANG=de_DE.UTF-8
LANGUAGE=de_DE:de:en_GB:en
LC_CTYPE=de_DE
LC_NUMERIC="de_DE.UTF-8"
LC_TIME="de_DE.UTF-8"
LC_COLLATE="de_DE.UTF-8"
LC_MONETARY="de_DE.UTF-8"
LC_MESSAGES="de_DE.UTF-8"
LC_PAPER="de_DE.UTF-8"
LC_NAME="de_DE.UTF-8"
LC_ADDRESS="de_DE.UTF-8"
LC_TELEPHONE="de_DE.UTF-8"
LC_MEASUREMENT="de_DE.UTF-8"
LC_IDENTIFICATION="de_DE.UTF-8"
LC_ALL=
emily@Cervelat:~$ ./testmb
MB_LEN_MAX: 16
MB_CUR_MAX: 1
äöüß
mbrtowc(0xe4): -1
ÀöÌß
mbrtowc(0xc3 0xa4): -1

    System: Ubuntu Linux 06.06, gcc 4.03, glibc 2.3.6

    0
Anmelden zum Antworten