C语言中char类型存储UTF-8字符时十六进制输出异常问题咨询

嘿，这个问题我之前也碰到过，其实核心原因和C语言里char类型的符号属性有关，咱们一步步拆解来看：

1. 先搞懂char的默认类型 #

在绝大多数编译器中，char默认是有符号类型（signed char），它的取值范围是 -128 到 127（对应十六进制 0x80 到 0x7F）。而UTF-8编码的非ASCII字符，比如你例子里的ü，它的两个字节是0xC3和0xBC，这两个值都大于0x7F（也就是127），所以会被当作负数存储在signed char里：

• 0xC3 对应的十进制是195，超过127，所以转成 -61（计算方式：195 - 256 = -61）
• 0xBC 对应的十进制是188，转成 -68（188 - 256 = -68）

2. 符号扩展是罪魁祸首 #

当你把char类型的变量传给printf的%x格式符时，会发生两件事：

• 可变参数函数（比如printf）会把小于int的类型自动提升为int
• 对于有符号的负数，提升时会进行符号扩展：也就是把最高位的符号位（这里是1）填充到所有新增的高位字节里。

拿0xC3对应的signed char（值为-61）来说，它的二进制是11000011，提升为32位int后，就变成了11111111 11111111 11111111 11000011，对应的十六进制就是ffffffc3——这就是你看到的前缀来源。

3. 为什么&0xFF能修复？ #

&0xFF本质是做了一个位掩码操作：0xFF的二进制是00000000 00000000 00000000 11111111，和扩展后的32位int按位与之后，会把高位的所有1都清零，只保留低8位的原始字节值，也就是0xC3和0xBC，这样输出就符合预期了。

两种更优雅的解决方法 #

除了用&0xFF，你还可以从根源上避免符号扩展：

• 把数组声明为unsigned char类型：

  unsigned char test[3] = "ü";
  for (int x = 0; x < 3; x++){
      printf("%x\n", test[x]);
  }
  

• 在输出时强制转换为unsigned char：

  char test[3] = "ü";
  for (int x = 0; x < 3; x++){
      printf("%x\n", (unsigned char)test[x]);
  }
  

内容的提问来源于stack exchange，提问作者qub3