Linux下C程序无法用退格键完全删除UTF-8字符的问题排查

我写了一个等待用户输入的C程序，代码如下：

#include <stdio.h>

int main()
{   
    getchar();

    return 0;
}

运行程序后输入“测试测试”这类UTF-8中文，按下退格键无法完全删除字符，会残留空白内容。我知道termios里有个IUTF8标志，但为什么这个标志解决不了问题？

2022年12月31日更新 #

补充下问题细节：运行程序后输入中文字符（不按回车），一直按退格到不能再删，屏幕上还会残留一半内容，这不符合预期，怎么让退格删除正常工作？

我想优化UTF-8字符（比如中文）的输入体验，Shell能很好处理这个情况，我的程序怎么实现同样效果？

另外我的locale输出如下：

LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC=zh_CN.UTF-8
LC_TIME=zh_CN.UTF-8
LC_COLLATE="en_US.UTF-8"
LC_MONETARY=zh_CN.UTF-8
LC_MESSAGES="en_US.UTF-8"
LC_PAPER=zh_CN.UTF-8
LC_NAME=zh_CN.UTF-8
LC_ADDRESS=zh_CN.UTF-8
LC_TELEPHONE=zh_CN.UTF-8
LC_MEASUREMENT=zh_CN.UTF-8
LC_IDENTIFICATION=zh_CN.UTF-8
LC_ALL=

为什么IUTF8标志解决不了退格问题 #

IUTF8的作用是让终端驱动把UTF-8字节序列解析成完整的Unicode字符，调用getchar()这类函数时一次返回一个完整字符（而非单个字节）。但它不负责处理终端的屏幕回显和编辑逻辑——退格时的屏幕刷新、字符删除的视觉反馈，由终端回显模块控制，和IUTF8本身无关。

你的问题核心是：默认终端回显模式下，退格键（通常是\b）只会向前移动光标并擦除一个字节对应的屏幕位置，但中文UTF-8是多字节（通常3字节），按一次退格只删了一个字节，屏幕上就会残留未完全删除的字符碎片（看起来像空白或乱码）。

实现类似Shell的UTF-8退格处理 #

Shell能正确处理，是因为它自己接管了行编辑功能，而非依赖终端默认回显。要实现同样效果，有两种思路：

1. 使用行编辑库（推荐） #

直接用现成的行编辑库，比如readline或libedit，这些库已经封装了UTF-8字符处理、退格、光标移动等逻辑，不用自己造轮子。

示例代码（用readline）：

#include <stdio.h>
#include <readline/readline.h>

int main()
{
    char *input = readline("请输入：");
    if (input) {
        printf("你输入了：%s\n", input);
        free(input);
    }
    return 0;
}

编译时需要链接readline库：gcc your_code.c -o your_program -lreadline

2. 手动接管终端模式和行编辑 #

如果不想用外部库，需要自己修改终端属性，关闭默认回显，手动处理输入字节、解析UTF-8、管理光标和屏幕输出：

步骤大概是：

• 保存当前终端属性，设置为**非规范模式（c_lflag &= ~ICANON）**并关闭默认回显（c_lflag &= ~ECHO），同时开启IUTF8标志确保正确解析UTF-8字符。
• 循环读取输入字节，解析成完整的UTF-8字符：
  • 如果是退格键（\b或ASCII 127），删除最后一个完整的UTF-8字符，同时向终端发送\b \b（先回退光标，输出空格覆盖，再回退光标）刷新屏幕。
  • 如果是普通字符，输出到屏幕并保存到输入缓冲区。
• 程序结束前恢复终端属性。

示例简化代码：

#include <stdio.h>
#include <termios.h>
#include <unistd.h>
#include <stdlib.h>
#include <string.h>

// 判断UTF-8字节是否为起始字节
int is_utf8_start(unsigned char c) {
    return (c & 0xC0) != 0x80;
}

int main() {
    struct termios old_tio, new_tio;
    unsigned char buf[4];
    int n;
    char input_buf[256] = {0};
    int input_len = 0;

    // 保存旧终端属性，设置新属性
    tcgetattr(STDIN_FILENO, &old_tio);
    new_tio = old_tio;
    // 非规范模式，关闭回显，开启IUTF8
    new_tio.c_lflag &= ~(ICANON | ECHO);
    new_tio.c_iflag |= IUTF8;
    tcsetattr(STDIN_FILENO, TCSANOW, &new_tio);

    while (1) {
        n = read(STDIN_FILENO, buf, sizeof(buf));
        if (n <= 0) break;

        for (int i = 0; i < n; i++) {
            if (buf[i] == '\b' || buf[i] == 127) { // 退格或删除键
                if (input_len == 0) continue;
                // 找到上一个UTF-8起始字节的位置
                int pos = input_len - 1;
                while (pos >= 0 && !is_utf8_start((unsigned char)input_buf[pos])) {
                    pos--;
                }
                int bytes_to_delete = input_len - pos;
                input_len = pos;
                input_buf[input_len] = '\0';
                // 发送控制序列删除屏幕上的字符：回退光标对应字符宽度，空格覆盖，再回退
                for (int j = 0; j < bytes_to_delete / 3; j++) { // 中文是3字节对应1个字符宽度
                    write(STDOUT_FILENO, "\b \b", 3);
                }
            } else if (buf[i] == '\n') { // 回车结束
                write(STDOUT_FILENO, "\n", 1);
                break;
            } else { // 普通字符
                if (input_len + n < sizeof(input_buf)) {
                    input_buf[input_len++] = buf[i];
                    write(STDOUT_FILENO, &buf[i], 1);
                }
            }
        }
    }

    // 恢复终端属性
    tcsetattr(STDIN_FILENO, TCSANOW, &old_tio);
    printf("\n最终输入：%s\n", input_buf);
    return 0;
}

注意：这个简化版本只处理了3字节的中文UTF-8，实际要兼容所有UTF-8长度（1-4字节），还需要完善UTF-8解析逻辑；同时不同终端的光标控制可能有差异，部分终端支持\x1b[D这类ANSI转义序列来移动光标。

内容的提问来源于stack exchange，提问作者Markity