C语言打印带Ogonek的拉丁字母Unicode字符输出错误问题

我正在使用C语言打印带奥涅克的拉丁字母Unicode字符，编写了如下代码，但设置setlocale后程序仍输出错误符号。例如，原本应该输出Ę的0xC498，实际打印出ÿ。

#include <stdio.h>
#include <wchar.h>
#include <locale.h>
int main()
{   int i;
    setlocale(LC_CTYPE,"de_DE.UTF-8");
    wchar_t cA[256] = { 
        0xC498, 0xC4AE, 0xC5B2, 0xC482,   0xC496, 0xC48E, 0xC898, 0xC89A, 0xC48A, 0xC4A0,   0xC4B9, 0xC5BB, 0xC7B8,   0xC485,   0xC499,   0xCAF,
       0xC5B3, 0xC483, 0xC497, 0xC48F,   0xC899, 0xC89B, 0xC48B, 0xC587, 0xC49A, 0xC4A1,   0xC4BA, 0xC5BC, 0x20,     0x21,     0x22,     0x23,
       0xC582,  0x25,  0x26,   0x27,     0x28,   0x29,   0x2A,   0x2B,   0x2C,   0x2D,     0x2E,   0x2F,   0x30,     0x31,     0x32,     0x33,
       0x34,    0x35,  0x36,   0x37,     0x38,   0x39,   0x3A,   0x3B,   0x3C,   0X3D,     0x3E,   0x3F,   0x40,     0x41,     0x42,     0xC3,
       0x44,    0x45,  0x46,   0x47,     0x48,   0x49,   0x4A,   0x4B,   0x4C,   0x4D,     0x4E,   0x4F,   0x50,     0x51,     0x52,     0x53,
       0x54,    0x55,  0x56,   0x57,     0x58,   0x59,   0x5A,   0x5B,   0xE1B5BE, 0x5D,   0xC581,  0x5F,  0xC484,   0x61,     0x62,     0x63,
       0x64,    0x65,  0x66,   0x67,     0x68,   0x69,   0x6A,   0x6B,   0x6C,     0x6D,    0x6E,    0x6F,  0x70,     0x71,     0x72,     0x73,
       0x74,    0x75,  0x76,   0x77,     0x78,   0x79,   0x7A,   0xC2AB,  0xC5AF, 0xC2BB,  0x013D,  0XC4A6,0xC3A1, 0xC3A0, 0xC3A9, 0xC3A8,   0xC3AD, 0xC3AC, 0xC3B3, 0xC3B2, 0xC3BA, 0xC3B9,   0xC391, 0xC387, 0xC59E,   0xC39F,   0xC2A1,   0xC5B8,
       0xC3A2, 0xC3A4, 0xC3AA, 0xC3AB,   0xC3AE, 0xC3AF, 0xC3B4, 0xC3B6, 0xC3BB, 0xC3BC,   0xC3B1, 0xC3A7, 0xC59F,   0xC49F,   0xC4B1,   0xC3BF,
       0xC4B6, 0xC585, 0xC2A9, 0xC4A2, 0xC49E, 0xC49B, 0xC588, 0xC591,  0xC590, 0xE282AC, 0xC2A3,   0x24, 0xC480,    0xC492,   0xC4AB,   0XC5AA,
       0xC4B7, 0xC2B9, 0xC4BB, 0xC4A3,   0xC4BC, 0xC4B0, 0xC584, 0xC5B1, 0xC5B0, 0xC2BF,   0xC4BE, 0xC2B0, 0xC481,   0xC493,   0xC4AB,   0xC5AB,
       0xC381, 0xC380, 0xC389, 0xC388,   0xC38D, 0xC38C, 0xC393, 0xC392, 0xC39A, 0xC399,   0xC598, 0xC48C, 0xC5A0,   0xC5BD,   0xC390,   0xC4BF,
       0xC382, 0xC384, 0xC38A, 0xC38B,   0xC38E, 0xC38F, 0xC394, 0xC396, 0xC39B, 0xC39C,   0xC599, 0xC48D, 0xC5A1,   0xC5BE,   0xC491,   0xC580,
       0xC383, 0xC385, 0xC386, 0xC592,   0xC5B7, 0xC39D, 0xC395, 0xC398, 0xC39E, 0xC58A,   0xC594, 0xC486, 0xC59A,   0xC5B9,   0xC5A6,   0xC3B0,
       0xC3A3, 0xC3A5, 0xC3A6, 0xC593,   0xC5B5, 0xC3BD, 0xC3B5, 0xC3B8, 0xC3BE, 0xC58B,   0xC595, 0xC487, 0xC59B,   0xC5BA,   0xC5A7,    0xC4A7,
        };
        for( i=0;i<252;i++){
            wprintf(L"%lc\n", (unsigned char)cA[i]);
        }

    return 0;
}

问题根源及解决方案 #

1. 字符存储错误：混淆Unicode码点与UTF-8字节序列 #

wchar_t的作用是存储Unicode码点（单个字符的唯一数值标识），但你代码里的0xC498是Ę的UTF-8编码字节序列（两个独立字节：0xC4和0x98）。直接将这个16位值存入wchar_t，会被当成一个独立的宽字符，而非UTF-8的组合字节，必然导致解析错误。

正确的做法是使用字符对应的Unicode码点，比如Ę的码点是U+0118（十六进制0x0118），需要用这个值替换0xC498。

2. 错误的类型转换 #

循环中把wchar_t强制转换为unsigned char会截断宽字符的高位字节，丢失关键编码信息，这是输出乱码的直接原因。必须直接使用wchar_t类型进行输出。

3. Locale设置的兼容性问题 #

硬编码"de_DE.UTF-8"可能在部分系统上不被支持，建议使用空字符串""让系统自动匹配当前环境的locale，同时添加错误检查确保设置成功。

修正后的代码 #

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

int main()
{
    int i;
    // 自动设置系统默认UTF-8 locale，并检查是否成功
    if (!setlocale(LC_CTYPE, "")) {
        fprintf(stderr, "Locale设置失败\n");
        return 1;
    }

    // 存储Unicode码点（而非UTF-8字节），示例保留关键字符，其余请自行替换
    wchar_t cA[] = {
        0x0118, 0x014E, 0x01F2, 0x0102,   0x0116, 0x010E, 0x0258, 0x025A, 0x010A, 0x0120,
        0x0179, 0x01FB, 0x01F8,   0x0105,   0x0119,   0x00AF,
        0x01F3, 0x0103, 0x0117, 0x010F,   0x0259, 0x025B, 0x010B, 0x0147, 0x011A, 0x0121,
        0x017A, 0x01FC, 0x0020, 0x0021, 0x0022, 0x0023,
        0x0142, 0x0025, 0x0026, 0x0027, 0x0028, 0x0029, 0x002A, 0x002B, 0x002C, 0x002D,
        0x002E, 0x002F, 0x0030, 0x0031, 0x0032, 0x0033,
        // 其余字符请替换为对应的Unicode码点，可通过Unicode字符表查询
        0x0000 // 数组结束标志，避免循环越界
    };

    // 遍历数组直到遇到结束标志
    for (i = 0; cA[i] != 0; i++) {
        wprintf(L"%lc\n", cA[i]);
    }

    return 0;
}

修正说明 #

• 所有字符替换为对应的Unicode码点：可通过Unicode字符表查询每个带奥涅克字母的码点，比如ę对应U+0119。
• 移除错误的类型转换，直接使用wprintf输出wchar_t类型。
• 添加locale设置的错误检查，提升程序跨平台兼容性。
• 数组末尾添加0x0000作为结束标志，避免固定循环次数导致的越界问题。

内容的提问来源于stack exchange，提问作者Mourya