C语言中UTF32字符串输出为何需配置UTF-8而非UTF-32 locale？

核心误区纠正 #

locale中指定的编码（比如en_US.UTF-8里的UTF-8），定义的是程序与外部IO交互时使用的多字节编码，不是程序内部宽字符的编码规则。
你当前环境的宽字符（wchar_t/char32_t）编码已经是固定的UTF-32（由__STDC_UTF_32__=1保证），不需要通过locale指定。 #

printf("%ls")的执行逻辑 #

当你调用printf("%ls", U"zß水🍌")时，标准库内部会完成以下操作：

1. 逐个读取输入的宽字符，也就是UTF-32编码的Unicode码点
2. 按照当前locale设定的多字节编码规则，将每个码点转换为对应的多字节序列
3. 把转换后的字节流输出到stdout

你测试中C locale下输出报错，就是因为C locale的多字节编码仅支持ASCII，无法转换ASCII范围外的Unicode码点。
而你的终端默认按UTF-8解析输入的字节流，所以配置UTF-8的locale时，转换出来的UTF-8字节流刚好能被终端正确识别，显示正常。 #

为什么不需要用UTF-32的locale #

• 绝大多数类Unix系统默认没有提供UTF-32编码的locale，执行locale -a可以看到所有预置的locale基本都是UTF-8编码
• 就算你手动编译生成了UTF-32的locale，设置后标准库会把UTF-32宽字符直接转成UTF-32的多字节序列输出，你的终端按UTF-8解析反而会出现乱码

可移植性说明 #

你这里直接把char32_t类型的字符串传给%ls能正常运行是Linux平台的特性：Linux上的wchar_t本身就是32位、存储UTF-32编码，和char32_t内存布局完全一致。如果要写跨平台代码，建议用c32rtomb系列函数显式将char32_t字符串转换为多字节序列再输出。

内容的提问来源于stack exchange，提问作者absuu