如何将int转换为宽字符？解析sprintf多字节编码异常问题

当我使用sprintf配合%lc格式化大于255的整数时，sprintf会将单个宽字符保存为多个单字节字符。

示例代码如下：

#include <locale.h>
#include <stdio.h>
int main() {
  setlocale(LC_ALL, "");
  char buf[200] = "\0";
  int wide_char = 500; // example
  sprintf(buf, "%lc test", wide_char);
  printf("%s\n", buf);
  printf("%d %d %d\n", (unsigned char)buf[0], (unsigned char)buf[1], (unsigned char)buf[2]);
  return 0;
}

运行结果：

Ǵ test
199 180 32

值为500的宽字符被转换为199和180，对应的二进制格式如下：

1 11110100 // 500
11000111 10110100 // 199和180

我的目标是理解如何将int转换为宽字符，并学会手动将宽字符保存到字符串中（如同处理普通字符那样，比如buf[0] = 97）。我观察到一些规律，但无法理解。更多示例：

10000000 // int = 128
11000010 10000000 // 编码后的宽字符

       1 10000001 // int = 385
11000110 10000001

      10 10000001 // int = 641
11001010 10000001

      11 10000001 // int = 897
11001110 10000001

       1 00000110 // int = 262
11000100 10000110

编码规则解释 #

你看到的是UTF-8编码的转换逻辑，setlocale(LC_ALL, "")会将程序的locale设置为系统默认编码（通常是UTF-8），sprintf用%lc处理宽字符时，会把你传入的int值（即Unicode码点）转换成UTF-8编码的多字节序列。

针对你示例里的码点范围（128~2047），UTF-8的2字节编码规则如下：

1. 将码点转为二进制，补前导零凑成11位。比如500的二进制是11110100，凑成11位为001 1110100。
2. 第一个字节格式为110xxxxx：取11位里的前5位填入xxxxx，即110+00111 → 11000111（对应十进制199）。
3. 第二个字节格式为10xxxxxx：取11位里剩下的6位填入xxxxxx，即10+110100 → 10110100（对应十进制180）。

所有示例都符合这个逻辑，比如码点128的二进制10000000凑成11位是000 1000000，第一个字节是11000010，第二个字节是10000000，和示例完全匹配。

手动保存宽字符到字符串的方法 #

如果要手动把Unicode码点（int值）转成UTF-8并存入char数组，直接按上述规则拆分二进制即可：

1. 判断码点范围，确定需要的字节数（128~2047用2字节）。
2. 按UTF-8的格式填充每个字节的二进制位。
3. 将每个字节的二进制转为unsigned char，依次存入数组。

比如手动处理码点500：

char buf[3];
// 第一个字节：0xC7对应二进制11000111
buf[0] = 0xC7;
// 第二个字节：0xB4对应二进制10110100
buf[1] = 0xB4;
// 字符串结束符
buf[2] = '\0';

此时buf中就是UTF-8编码的Ǵ字符。

内容的提问来源于stack exchange，提问作者user567