现代 C 字符串编码

本文更新至 C23。

字符类型

• signed char：有符号 8 位字符类型。
• unsigned char：无符号 8 位字符类型。通常也用作底层内存结构的 byte 表达。
• char：8 位字符类型。与 int 类型族的常规不同，char 和 signed char 是不同的类型。与 signed char 或 unsigned char 性质相同。
• wchar_t：位宽足以表示任何宽字符的字符类型。通常为 16 位无符号整型。
• char8_t：（C23 起）8 位无符号字符类型。表示一个 UTF-8 的编码。
• char16_t：（C11 起）16 位无符号字符类型。
• char32_t：（C11 起）32 位无符号字符类型。

与 C++ 不同， wchar_t、char8_t、char16_t、char32_t 不是关键字，而通常是 typedef。

字符串类型

字符串字面量可使用以下前缀：

• L：通常是 UTF-16 编码，字符类型为 wchar_t。如 L"是我" 即 (wchar_t[]){ 0x662f, 0x6211, 0 }。
• u8：（C11 起）UTF-8 字符串，字符类型为 char，或 C23 起 char8_t。如 u8"是我" 即 (char8_t[]){ 0xe6, 0x98, 0xaf, 0xe6, 0x88, 0x91, 0 }。
• u：（C11 起）16 位宽字符串，通常（或 C23 起必然）是 UTF-16 编码，字符类型为 char16_t。如 u"是我" 即 (char16_t[]){ 0x662f, 0x6211, 0 }。
• U：（C11 起）32 位宽字符串，通常（或 C23 起必然）是 UTF-32 编码，字符类型为 char32_t。如 U"是我" 即 (char32_t[]){ 0x0000662f, 0x00006211, 0 }。