嘿，这个需求我太能共情了——让错误信息里直接显示出对应的Unicode字符，用户不用再去查U+xxxxxx是什么，确实能大大提升调试效率！

在POSIX C环境下，把Unicode码点转换成UTF-8字节序列直接输出是最可靠的方案，原因很简单：

• 现在绝大多数POSIX终端（不管是Linux的GNOME Terminal、Konsole，macOS的Terminal、iTerm2，还是WSL下的终端）都默认支持UTF-8，这是当前的事实标准；
• UTF-16在POSIX环境的终端里几乎没人用，完全没必要考虑。

而且完全可以不用外部库，自己实现码点到UTF-8的转换逻辑，下面给你详细讲怎么弄：

核心思路：手动实现码点到UTF-8的转换 #

UTF-8的编码规则其实很清晰，我们可以直接写个函数来处理：

• 单字节范围（U+0000到U+007F）：直接输出原字节；
• 双字节范围（U+0080到U+07FF）：用110xxxxx 10xxxxxx的格式编码；
• 三字节范围（U+0800到U+FFFF，排除无效的代理区U+D800-U+DFFF）：用1110xxxx 10xxxxxx 10xxxxxx的格式；
• 四字节范围（U+10000到U+10FFFF）：用11110xxx 10xxxxxx 10xxxxxx 10xxxxxx的格式；
• 遇到无效码点（比如超过0x10FFFF，或者代理区字符），统一替换成U+FFFD（也就是替换字符�），避免输出乱码。

完整实现代码 #

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

// 将Unicode码点转换为UTF-8字节序列，buf至少需要5字节空间（4字节UTF-8+1字节终止符）
// 返回写入的字节数，失败返回-1
int codepoint_to_utf8(uint32_t cp, unsigned char buf[5]) {
    // 过滤无效Unicode码点：超过最大范围或属于代理区
    if (cp > 0x10FFFF || (cp >= 0xD800 && cp <= 0xDFFF)) {
        // 替换为通用替换字符�（U+FFFD）
        buf[0] = 0xEF;
        buf[1] = 0xBF;
        buf[2] = 0xBD;
        buf[3] = '\0';
        return 3;
    }

    if (cp <= 0x7F) {
        buf[0] = (unsigned char)cp;
        buf[1] = '\0';
        return 1;
    } else if (cp <= 0x7FF) {
        buf[0] = 0xC0 | (cp >> 6);
        buf[1] = 0x80 | (cp & 0x3F);
        buf[2] = '\0';
        return 2;
    } else if (cp <= 0xFFFF) {
        buf[0] = 0xE0 | (cp >> 12);
        buf[1] = 0x80 | ((cp >> 6) & 0x3F);
        buf[2] = 0x80 | (cp & 0x3F);
        buf[3] = '\0';
        return 3;
    } else {
        buf[0] = 0xF0 | (cp >> 18);
        buf[1] = 0x80 | ((cp >> 12) & 0x3F);
        buf[2] = 0x80 | ((cp >> 6) & 0x3F);
        buf[3] = 0x80 | (cp & 0x3F);
        buf[4] = '\0';
        return 4;
    }
}

// 输出单个Unicode码点到标准输出
void print_unicode_codepoint(uint32_t cp) {
    unsigned char utf8_buf[5];
    int byte_count = codepoint_to_utf8(cp, utf8_buf);
    if (byte_count > 0) {
        // 用fwrite直接输出字节序列，避免printf对有符号char的处理问题
        fwrite(utf8_buf, 1, byte_count, stdout);
    }
}

// 示例：输出你需要的错误信息
int main() {
    uint32_t invalid_codepoint = 0x12000;
    printf("illegal character U+%05X (", invalid_codepoint);
    print_unicode_codepoint(invalid_codepoint);
    printf(") in identifier\n");
    return 0;
}

代码细节说明 #

• 用uint32_t存储码点，因为Unicode的最大码点是0x10FFFF，32位无符号整数刚好能装下；
• codepoint_to_utf8函数自动处理无效码点，替换成通用的替换字符，避免输出乱码；
• 用fwrite直接输出字节序列，比printf更可靠——毕竟UTF-8的高位字节在有符号char系统里会被当成负数，printf("%c")处理这类值容易出问题，fwrite则是直接写原始字节，更稳妥；
• 整个实现完全依赖POSIX C的标准库，没有任何外部依赖，完美符合你的需求。

几个小提示 #

• 要是担心终端的locale设置，可以检查LC_CTYPE环境变量——如果是带UTF-8后缀的locale，就输出UTF-8；如果不是，也可以选择继续输出UTF-8，毕竟现在绝大多数终端都能自动识别UTF-8编码；
• 测试的时候可以用各种特殊码点试试，比如U+1F600（😀）、U+FFFD（�）、U+D800（无效代理码点），看看输出是否符合预期。

内容来源于stack exchange