如何用C和Objective-C在'wb'模式下写入正确的Unicode字符十六进制值？

我有一段包含Unicode字符的文本，示例代码如下：

NSString *fileName = @"Tên tình bạn dưới tình yêu.mp3";
const char *cStringFile = [fileName UTF8String];

我需要将该字符串以每个Unicode字符对应其码点的十六进制值写入文件，比如：

• 'ê'对应EA
• 'ạ'对应1E A1
• 中文'最'对应67 00（对应Unicode码点\u6700）

但我尝试的两种方法都没得到预期结果，实际写入的是UTF-8编码字节（比如'ê'写入C3AA，'ạ'写入E1BAA1），求问题原因和可行方案。

尝试的两种方法 #

方法1：转换为wchar_t后写入文件 #

// Determine the required size for the wchar_t string
size_t input_length = strlen(cStringFile);
size_t output_length = mbstowcs(NULL, stringText, input_length);

// Allocate memory for the wchar_t string
wchar_t *output = (wchar_t *)malloc((output_length + 1) * sizeof(wchar_t));
if (output == NULL) {
    printf("Memory allocation failed.\n");
    return 1;
}

// Convert the C string to wchar_t string
mbstowcs(output, cStringFile, input_length);
output[output_length] = L'\0'; // Add null-termination

unsigned long length = wcslen(output);
// Loop through each character in the Unicode text
for (int i = 0; i < length; i++) {
    // Write the Unicode character to the file
    fwprintf(fd, L"%lc", output[i]);
}

// Free the allocated memory
free(output);

方法2：检查多字节字符后写入文件 #

NSString *fileName = @"Tên tình bạn dưới tình yêu.mp3";
const char *stringText = [fileName UTF8String];
unsigned long len = strlen(stringText);
setlocale(LC_ALL, "");
for (char character = *stringText; character != '\0'; character = *++stringText)
{
    if (!character) {
        continue;
    }
    putchar(character);
    int byteCount = numberOfBytesInChar((unsigned char)character);
    if (byteCount <= 1) {
        fprintf(fd, "%c", character);
    } else {
        for(int k = 0; k < byteCount; k++)
        {
            fprintf(fd, "%c", character);
            character = *++stringText;
        }
    }
}

int numberOfBytesInChar(unsigned char val) {
  if (val < 128) {
     return 1;
  } else if (val < 224) {
     return 2;
  } else if (val < 240) {
     return 3;
  } else {
    return 4;
  }
}

1. 方法1的问题：

   • fwprintf(fd, L"%lc", output[i])的作用是将wchar_t字符按当前区域设置的编码（通常是UTF-8）写入文件，并非输出其Unicode码点的十六进制值。wchar_t仅存储宽字符，输出时会被转成多字节编码，而非直接输出码点。
   • 代码中存在变量名错误：mbstowcs的第二个参数是stringText，但前面定义的UTF-8字符串变量是cStringFile，会导致转换逻辑异常。

2. 方法2的问题：

   • 整个逻辑只是在遍历并写入UTF-8的原始字节流，完全没有解析出Unicode码点。numberOfBytesInChar仅用于判断UTF-8的字节长度，最终还是把这些字节原样写入文件，自然得到UTF-8编码结果。

方案1：Objective-C原生API实现（推荐） #

直接利用NSString的Unicode码点遍历API，无需手动处理编码转换，逻辑更可靠：

NSString *fileName = @"Tên tình bạn dưới tình yêu.mp3";
FILE *fd = fopen("output.txt", "w");
if (!fd) {
    NSLog(@"Failed to open file");
    return;
}

// 遍历每个Unicode字符（含组合字符序列）
[fileName enumerateSubstringsInRange:NSMakeRange(0, fileName.length)
                           options:NSStringEnumerationByComposedCharacterSequences
                        usingBlock:^(NSString * _Nullable substring, NSRange substringRange, NSRange enclosingRange, BOOL * _Nonnull stop) {
    // 获取当前字符的Unicode码点
    uint32_t codePoint = [substring characterAtIndex:0];
    
    // 选项1：写入十六进制字符串格式（如"EA 1EA1 6700 "）
    fprintf(fd, "%X ", codePoint);
    
    // 选项2：写入二进制字节（按小端字节序，符合你给出的中文'最'的示例）
    // if (codePoint <= 0xFF) {
    //     fputc(codePoint, fd);
    // } else if (codePoint <= 0xFFFF) {
    //     fputc(codePoint & 0xFF, fd);       // 低字节
    //     fputc((codePoint >> 8) & 0xFF, fd); // 高字节
    // } else {
    //     // 处理4字节Unicode码点（按需调整字节序）
    //     fputc(codePoint & 0xFF, fd);
    //     fputc((codePoint >> 8) & 0xFF, fd);
    //     fputc((codePoint >> 16) & 0xFF, fd);
    //     fputc((codePoint >> 24) & 0xFF, fd);
    // }
}];

fclose(fd);

说明：代码包含两种输出模式，可根据需求选择：

• 十六进制字符串：直接输出码点的十六进制文本，便于阅读
• 二进制字节：按小端字节序写入码点的原始字节，符合你给出的\u6700输出67 00的要求

方案2：纯C语言解析UTF-8获取码点 #

如果必须用C语言处理UTF-8字符串，需要手动解析每个UTF-8序列对应的Unicode码点：

#include <stdio.h>
#include <stdint.h>

// 从UTF-8字符串中解析单个Unicode码点
uint32_t utf8_to_codepoint(const char **str) {
    uint8_t c = **str;
    uint32_t codepoint;
    int bytes;

    if (c < 0x80) {
        codepoint = c;
        bytes = 1;
    } else if (c < 0xE0) {
        codepoint = (c & 0x1F) << 6;
        codepoint |= (*(*str + 1) & 0x3F);
        bytes = 2;
    } else if (c < 0xF0) {
        codepoint = (c & 0x0F) << 12;
        codepoint |= ((*(*str + 1) & 0x3F) << 6);
        codepoint |= (*(*str + 2) & 0x3F);
        bytes = 3;
    } else {
        codepoint = (c & 0x07) << 18;
        codepoint |= ((*(*str + 1) & 0x3F) << 12);
        codepoint |= ((*(*str + 2) & 0x3F) << 6);
        codepoint |= (*(*str + 3) & 0x3F);
        bytes = 4;
    }

    *str += bytes;
    return codepoint;
}

int main() {
    const char *stringText = "Tên tình bạn dưới tình yêu.mp3";
    FILE *fd = fopen("output.txt", "w");
    if (!fd) {
        printf("Failed to open file\n");
        return 1;
    }

    while (*stringText) {
        uint32_t cp = utf8_to_codepoint(&stringText);
        // 写入十六进制字符串
        fprintf(fd, "%X ", cp);
        // 或者写入二进制字节（小端），同方案1的选项2代码
    }

    fclose(fd);
    return 0;
}

内容的提问来源于stack exchange，提问作者KamyFC