C语言中write()/printf输出多字节非ASCII字符为何合并显示？

问题描述 #

尝试用C语言的write()或printf()输出ğ、ç、ş这类多字节非ASCII字符时，出现不符合预期的情况：

使用write()的代码 #

#include <unistd.h>

int main()
{
    char *str = "ğğğ";
    
    write(1, &str[0], 1);
    write(1, &str[1], 1);
}

预期输出单个ğ（因ğ占2字节，分两次输出两个字节），但实际仅显示一个ğ字符。

使用printf()的代码 #

#include <stdio.h>

int main()
{
    char *str = "ğğğ";
    
    printf("%c", str[0]);
    printf("%c", str[1]);
}

同样只打印出一个ğ字符，其他多字节字符也存在相同问题。

原因解析 #

核心原因是你的终端和字符串字面量采用的都是UTF-8编码：

• 像ğ这类字符的UTF-8编码是双字节序列（0xC4 0x9F），终端会将连续的合法UTF-8字节序列解析为单个字符。
• 当你第一次输出起始字节0xC4时，它属于UTF-8双字节字符的开头（高位为110开头），终端会进入等待状态，直到接收到第二个补全字节。
• 第二次输出的0x9F补全了完整序列，终端才会将这两个字节组合起来渲染成一个ğ字符。
• 你以为是两次输出操作，但终端是按完整的编码序列来处理显示的，所以最终看到的是一个完整字符，而非两个“半字符”。

对于printf("%c")的情况，本质和write一致：%c会输出单个字节，第一个字节输出后终端等待补全，第二个字节输出后才完成字符解析并显示。

验证方法 #

如果只保留第一次输出操作（注释掉第二次write或printf），终端不会显示任何字符，只会处于等待状态，直到输入补全字节或刷新缓冲区，这就能验证上述逻辑。

内容的提问来源于stack exchange，提问作者K.Ozbek