跨平台C程序中Unicode方框绘制字符在MinGW+Cygwin终端显示异常求助

问题背景 #

我需要开发一款跨操作系统、兼容不同C编译环境的程序，其中使用了Unicode方框绘制字符，示例代码如下：

#include <stdio.h>
#include <stdlib.h>

int main (int argc, char *argv[])
{
  printf ("┌─────┐\n");
  printf ("│┼┼┼┼┼│\n");
  printf ("└─────┘\n");
  return EXIT_SUCCESS;
}

该代码在以下环境中均可正常显示预期的方框图形：

• Linux（gcc/icc）
• Windows WSL（gcc）
• Windows下Cygwin gcc（命令提示符及Cygwin终端）
• Windows MinGW（命令提示符）

但MinGW编译的程序在Cygwin终端中显示乱码，乱码内容：

ÔöîÔöÇÔöÇÔöÇÔöÇÔöÇÔöÉ
ÔöéÔö╝Ôö╝Ôö╝Ôö╝Ôö╝Ôöé
ÔööÔöÇÔöÇÔöÇÔöÇÔöÇÔöÿ

已排除Cygwin终端字体问题（Cygwin gcc编译的同程序在该终端显示正常，且MinGW程序在Windows命令提示符中显示正常）。使用的Windows编译器版本：

gcc (MinGW.org GCC-6.3.0-1) 6.3.0
gcc (GCC) 11.3.0                   - with Cygwin

解决方法 #

1. 强制程序输出UTF-8编码 #

MinGW默认会把字符串按照Windows本地编码（通常是GBK/GB2312）输出，而Cygwin终端默认使用UTF-8编码，编码不匹配导致乱码。可以通过以下方式强制程序输出UTF-8：

方法A：使用setlocale设置UTF-8 locale

修改代码，添加locale设置：

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

int main (int argc, char *argv[])
{
  // 设置为UTF-8 locale
  setlocale(LC_ALL, "en_US.UTF-8");
  printf ("┌─────┐\n");
  printf ("│┼┼┼┼┼│\n");
  printf ("└─────┘\n");
  return EXIT_SUCCESS;
}

编译时无需额外参数，运行后Cygwin终端即可正常显示。

方法B：直接输出UTF-8字节序列

如果不想依赖locale设置，可以将方框字符替换为对应的UTF-8字节转义序列：

#include <stdio.h>
#include <stdlib.h>

int main (int argc, char *argv[])
{
  // ┌ 的UTF-8是 0xE2 0x94 0x8C，─是0xE2 0x94 0x80，┐是0xE2 0x94 0x90
  printf ("\xE2\x94\x8C\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x90\n");
  // │是0xE2 0x94 0x82，┼是0xE2 0x94 0xBC
  printf ("\xE2\x94\x82\xE2\x94\xBC\xE2\x94\xBC\xE2\x94\xBC\xE2\x94\xBC\xE2\x94\xBC\xE2\x94\x82\n");
  // └是0xE2 0x94 0x94，┘是0xE2 0x94 0x98
  printf ("\xE2\x94\x94\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x80\xE2\x94\x98\n");
  return EXIT_SUCCESS;
}

这种方式不依赖系统locale，兼容性更强，适合跨平台场景。

2. 编译时指定字符编码 #

MinGW的gcc支持通过-fexec-charset=UTF-8参数指定程序运行时的输出字符编码，编译命令改为：

gcc -o box box.c -fexec-charset=UTF-8

编译后的程序在Cygwin终端中会直接输出UTF-8编码的字符，无需修改代码。

原理说明 #

MinGW作为Windows原生编译工具，默认使用Windows的系统默认编码（如GBK）处理字符串常量；而Cygwin终端模拟类Unix环境，默认采用UTF-8编码。当MinGW编译的程序输出GBK编码的方框字符时，Cygwin终端以UTF-8解码就会出现乱码。上述方法本质都是让程序输出UTF-8编码，匹配Cygwin终端的解码方式。

内容的提问来源于stack exchange，提问作者Peter McGavin