C语言如何正确处理拉丁特殊字符的读写及乱码问题？

问题根源 #

双向乱码的本质是三个编码环节不匹配导致的：

• 代码源文件的存储编码
• C程序运行时locale指定的字符编码
• 终端/控制台的显示编码、输入文件的存储编码
  只要其中任意两个不一致，就会出现要么硬编码字符串乱码、要么读取的外部字符串乱码的情况。

具体解决步骤 #

1. 先确定统一使用的编码 #

优先推荐用UTF-8，跨平台兼容性最好，Windows 10 1903及之后的版本已经原生支持；如果仅在葡萄牙语区域的Windows环境运行，也可以选择CP1252编码。

2. 统一源文件存储编码 #

用你的代码编辑器修改.c源文件的存储编码，和你选定的编码保持一致：

• 选UTF-8的话，保存为「UTF-8 无BOM」格式（Visual Studio老版本可选UTF-8带BOM避免识别错误）
• 选CP1252的话，保存为「ANSI」格式即可（葡萄牙语区域的Windows系统下ANSI默认对应CP1252）

3. 正确配置setlocale #

你之前仅配置LC_CTYPE的覆盖范围不足，LC_CTYPE仅控制字符分类逻辑，要覆盖输入输出的编码转换，需要设置LC_ALL：

如果你选UTF-8编码：

• Windows环境调用：setlocale(LC_ALL, ".UTF8")
• Linux/macOS环境调用：setlocale(LC_ALL, "pt_BR.UTF-8")
• 跨平台通用写法可以先用setlocale(LC_ALL, "")，会自动继承系统当前的区域编码，只要系统默认编码是UTF-8就可以正常工作

如果你选CP1252编码（仅Windows适用）：

直接调用：setlocale(LC_ALL, "Portuguese_Brazil.1252")

4. 匹配输入文件和终端的编码 #

• 你用fgets读取的外部文本文件，存储编码要和你选定的编码一致，如果需要读取其他编码的文件，需要额外用iconv或者MultiByteToWideChar之类的接口做编码转换
• 终端的显示编码也要同步匹配：
  • UTF-8对应Windows cmd的代码页65001，运行程序前可以执行chcp 65001切换
  • CP1252对应Windows cmd的代码页1252，运行程序前执行chcp 1252切换

常见避坑提示 #

• 不要在同一个输出流里混用窄字符函数（printf/fgets）和宽字符函数（wprintf/fgetws），混用会触发未定义行为，大概率会出现乱码
• 如果用Visual Studio编译，可以在项目属性的「高级」选项里统一设置源文件编码和执行字符集，减少手动修改的问题

内容的提问来源于stack exchange，提问作者Zaratruta