一把梭系列 ~ C語言範例 (0012) [字元陣列與字串]

資料來源: https://openhome.cc/Gossip/CGossip/String.html

https://www.twblogs.net/a/5cbaed6bbd9eee0eff45fff0
https://www.itread01.com/content/1543744384.html
https://www.ibm.com/docs/SSLTBW_2.2.0/com.ibm.zos.v2r2.bpxbd00/fgetwsp.htm

★前言:

★主題:

    字串就是一串文字，在 C 談到字串的話，一個意義是指字元組成的陣列，最後加上一個空（null）字元 ‘\0’，例如底下是個 “hello” 字串：

    char text[] = {'h', 'e', 'l', 'l', 'o', '\0'};

    
    之後可以直接使用 text 來代表 “hello” 文字，例如：

    printf("%s\n", text);

    
    也可以使用 “” 來包含文字，例如：

    char text[] = "hello";

    

    “hello” 是字串字面常量，在這個例子中，雖然沒有指定空字元 ‘\0’，但是會自動加上空字元。

    字串是字元陣列，可以用陣列存取方式取出每個字元，在指定 “hello” 時表面上雖然只有 5 個字元， 但是最後會加上一個空字元 ‘\0’，因此 text 就陣列長度而言會是 6，不過就字串長度而言會是 5，strlen 可以取得字串長度，定義在 string.h。

    由使用者輸入取得字串值時，需注意不要超過字串（字元陣列）的長度；使用 scanf 從使用者輸入取得字串值，並儲存至字元陣列，只要這麼作就可以了：

    char buf[80];
    printf("輸入字串：");
    scanf("%s", buf);
    printf("你輸入的字串為 %s\n", buf);

    

    這個程式片段可以取得使用者的字串輸入，輸入的字串長度不得超過 80 個字元，80 個字元的上限包括空字元，因此實際上可以輸入 79 個字元；如果輸入的字元超出所宣告的上限，會發生不可預期的結果，甚至成為安全弱點，如〈printf 與 scanf〉中最後談到的，預防的方法之一是，限定 scanf 每次執行可以接受的最大字元數，或者是使用 fgets。

    在使用 scanf 取得使用者輸入的字串時，格式指定字是使用 %s，而變數前不用再加上 &，因為實際上，字串（字元陣列）變數名稱本身，即表示記憶體位址資訊。

    當字串內容不只有單純的英文和數字時，此時『編譯器設定(整合開發環境 IDE)』和 程式碼內『字串變數宣告型態』就會影想 輸出結果

    
    例如:
    文字「林」不會是一個位元組就可以儲存的資料，因此引發警訊，你需要使用以下的方式：

    char text[] = "林"; 

    
    若使用 strlen(text) 的話，會得到什麼數字呢？若單純使用 gcc 編譯，不加上任何引數的話，答案是看你的原始碼編碼是什麼，如果使用 Big5 撰寫原始碼的話，答案會是 2，如果使用 UTF-8 撰寫原始碼的話，答案會是 3。
    

    現代程式設計鼓勵使用 UTF-8，如果使用 UTF-8 撰寫原始碼，單純使用 gcc 編譯，不加上任何引數的話，若是在 Windows 的文字模式執行程式，就會出現亂碼，因為 Windows 的文字模式預設採用 Big5（MS950），為了可以看到正確的文字，編譯時可以加上 -fexec-charset=BIG5，執行時期字串使用 Big5 編碼，這時 strlen(text) 又會是 2 了。

    這就要問到一個問題了，字元是什麼呢？C 的 char 又是什麼呢？C 是個歷史悠久的語言，早期用 char 儲存的文字僅需單一位元組，例如 ASCII 的文字，使用 char 代表字元是沒問題，因為 ASCII 既定義了字元集，也定義了字元編碼，在表示 ASCII 的文字時，char 確實就代表字元，然而後來為了支援更多的文字，char 就不再是代表字元了。

    char 是用來儲存字元資料，至於存什麼沒有規定，對於 char text[] = “林” 的情況，應該將 text 中每個索引位置當成是碼元（code unit），而不是字元了，因為必須以多個位元組來儲存「林」，因此這類字元在 C 被稱為多位元組字元（multibyte character），技術上來說，是用數個 char 組成的一個字元，如何組成就要看採用哪種編碼了。

    如果採用 Big5 編碼，那 “林” 是個 Big5 字元，如果採用 UTF-8 編碼，那 “林” 是個 Unicode 字元，現代程式設計鼓勵用 UTF-8，所以在此建議如果要存取非英數字的字串就用專屬的資料型態 wchar_t。

★code:

#include <stdio.h>
#include <stdlib.h>
#include <wchar.h>
#include <locale.h>
#include <string.h>

int main()
{

    //*
    int i;
    char text[] = "hello";
    int length = sizeof(text) / sizeof(text[0]);

    for(i = 0; i < length; i++) {
        if(text[i] == '\0') {
            puts("null");
        } else {
            printf("%c ", text[i]);
        }
    }
    printf("陣列長度 %d\n", length);
    printf("字串長度 %d\n\n", strlen(text));

    //預設編碼環境設定:
    //Setting -> Editor ->Global compiler settings->Other options -> default
    //Build options->compiler settings->Other options []

	char text01[] = "林";
	printf("字串長度 %d\n", strlen(text01)); // 顯示2
	printf("%s\n\n",text01);

    char text02[] = "嗨,你好";
	printf("字串長度 %d\n", strlen(text02)); // 顯示7
	printf("%s\n\n",text02);

    //*/

    /*
    //使用寬字串/UTF-8 環境設定:
    //Setting -> Editor ->Global compiler settings->Other options -> UTF-8
    //Build options->compiler settings->Other options [-finput-charset=UTF-8]

    setlocale(LC_ALL, "");

	wchar_t text03[] = L"\u6797";
	wprintf(L"字串長度 %d\n", strlen(text03));
	wprintf(L"寬字串長度 %d\n", wcslen(text03)); // 顯示 1
	printf("%ls\n\n",text03);

	wchar_t text04[10] = { 0x55E8, 0x3001, 0x4F60, 0x597D};
	wprintf(L"字串長度 %d\n", strlen(text04));
	wprintf(L"寬字串長度 %d\n", wcslen(text04)); // 顯示 4
	wprintf(L"%s\n\n",text04);

    wchar_t text05[10]=L"嗨,你好";
    wprintf(L"字串長度 %d\n", strlen(text05));
	wprintf(L"寬字串長度 %d\n", wcslen(text05)); // 顯示 4
	printf("%ls\n",text05);
	wprintf(L"%s\n\n",text05);


    wchar_t* x = L"Food\n嗨,你好\n";
    FILE* outFile00 = fopen( "Serialize.txt", "w+,ccs=UTF-8");//具有BOM UTF-8 FILE
    fwrite(x, wcslen(x) * sizeof(wchar_t), 1, outFile00);
    fwprintf(outFile00, L"%s", x);//fwprintf(outFile00, L"%hs", x);
    fclose(outFile00);

    FILE *file=fopen("Serialize.txt", "r,ccs=UTF-8");
    wchar_t buffer[513], ch=1;
    wprintf(L"Serialize.txt:\n");
    while(fgetws(buffer,512,file) != NULL)
    {
        wprintf(L"%s",buffer);
    }
    fclose(file);
	//*/

    return 0;
}

★結果:

★延伸說明/重點回顧:

    01.C語言的字串就是字元陣列

    02.如果不指定字串編碼格式，則編譯器會使用系統預設(PS並非UTF-8)

    03.如果當字串內會有非英數字的內容，建議將編譯器設定為UTF-8編譯模式，並且使用wchar_t資料型態

    04.本篇最後一段範例實作的UTF-8純文字檔的讀/寫功能，這一部分純粹是隱藏彩蛋，不用目前學會