在哪里可以找到每个 C99 字符集的所有字符表？

Question

我正在为以下每个 C 字符集中的每个字符寻找一个表（或生成一个表的方法）：

• 基本字符集
• 基本执行字符集
• 基本源字符集
• 执行字符集
• 扩展字符
• 集 源字符集

C99 提到了所有其中 6 个位于第 5.2.1 节下。然而，我发现它读起来非常晦涩，而且缺乏细节。

它唯一明确定义的字符集是基本执行字符集和基本源字符集：

52 个大小写字母 拉丁字母：

ABCDEFGHIJKLMNOPQRSTU VWXY Z

abcdefghijklmnopqrstu vwxy z

十位小数：

0 1 2 3 4 5 6 7 8 9

29 个图形字符：

！ " # % & ' ( ) * + , – . / : ; < = > ? [ \ ] ^ _ { | } ~

4 个空白字符：

空格、水平制表符、垂直制表符、换页

这些与基本字符集相同，但我猜测 C99 没有明确说明这一点，其余的字符集对我来说有点神秘

。您可以提供帮助：）

Answer 1

除了您提到的基本字符集之外，其余所有字符集都是实现定义的。这意味着它们可以是任何东西，但实现（即 C 编译器/库/工具链实现）必须记录这些决策。这里的关键段落是：

§3.4.1 实现定义的行为
未指定的行为，其中每个实现都记录了如何做出选择

§3.4.2 特定于区域设置的行为
取决于每个实施文档中的当地国籍、文化和语言惯例的行为

§5.2.1.1 字符集
应定义两组字符及其关联的整理序列：写入源文件的字符集（源字符集）和在执行环境中解释的字符集（执行字符集）设置）。每个集合进一步分为一个基本字符集，其内容由本子条款给出，以及一组零个或多个特定于语言环境的成员（它们不是基本字符集）称为扩展字符。该组合集也称为扩展字符集。执行字符集成员的值是实现定义的。

因此，请查看 C 编译器的文档以了解其他字符集是什么。例如，在我的 gcc 手册页中，一些命令行选项指出：

   -fexec-charset=charset
       Set the execution character set, used for string and character
       constants.  The default is UTF-8.  charset can be any encoding
       supported by the system's "iconv" library routine.

   -fwide-exec-charset=charset
       Set the wide execution character set, used for wide string and
       character constants.  The default is UTF-32 or UTF-16, whichever
       corresponds to the width of "wchar_t".  As with -fexec-charset,
       charset can be any encoding supported by the system's "iconv"
       library routine; however, you will have problems with encodings
       that do not fit exactly in "wchar_t".

   -finput-charset=charset
       Set the input character set, used for translation from the
       character set of the input file to the source character set used by
       GCC.  If the locale does not specify, or GCC cannot get this
       information from the locale, the default is UTF-8.  This can be
       overridden by either the locale or this command line option.
       Currently the command line option takes precedence if there's a
       conflict.  charset can be any encoding supported by the system's
       "iconv" library routine.

要获取 iconv 支持的编码列表，请运行 iconv -l。我的系统有 143 种不同的编码可供选择。

Answer 2

据我所知，该标准并未将基本字符集视为与源字符集和执行字符集不同的东西。该标准规定它涉及 2 个字符集 - 源字符集和执行字符集。其中每一个都有一个“基本”和“扩展”组件（其中任何一个的扩展组件都可以是空集）。

您有一个“源字符集”，它由“基本源字符集”和零个或多个“扩展字符”组成。基本源字符集和扩展字符的组合称为扩展源字符集。

对于执行字符集也是如此（有一个基本执行字符集与零个或多个扩展字符组合构成扩展执行字符集）。

标准（和您的问题）枚举必须位于基本字符集中的字符 - 基本集中可以有其他字符。

至于每个字符集的基本“范围”和扩展“范围”之间的差异，基本字符集成员的值必须适合一个字节 - 该限制不适用于扩展字符。另请注意，这并不一定意味着源文件编码必须是单字节编码。

源字符集中的字符值不需要与执行字符集中的值一致（例如，源字符集可能由 ASCII 组成，而执行字符集可能由 EBCDIC 组成）。

Answer 3

您可能会看一下 GNU iconv。其中，它可以打印或转换 Java 和 C99 字符串。 iconv 是 libiconv 的命令行接口，它很可能是 C99 编译器在内部用于这些字符转换的接口。

输入 iconv -l 来查看系统上可用的字符串。您将需要从源代码重新编译才能更改该集。

在 OS X 上，我有 141 个字符集。在 Ubuntu 上，我有 1,168 个字符集（其中大部分是别名）。