Pourquoi wprintf sépare-t-il la ligature Unicode en deux graphèmes différents?

Question

code:

#include <stdio.h> 
#include <wchar.h> 
#define USE_W 
int main() 
{ 
#ifdef USE_W 
    const wchar_t *ae_utf16 = L"\x00E6 & ASCII text ae\n"; 
    wprintf(ae_utf16); 
#else 
    const char *ae_utf8 = "\xC3\xA6 & ASCII text ae\n"; 
    printf(ae_utf8); 
#endif 
    return 0; 
} 

Sortie:

ae & texte ASCII ae

Bien que printf produit correct sortie UTF-8:

æ texte & ASCII ae

Vous pouvez tester ce here.

Answer 1

printf envoie juste des octets bruts à votre terminal; il ne sait rien sur les encodages. Si votre terminal est configuré pour interpréter cela comme UTF-8, il affichera les bons caractères.

wprintf, en revanche, connaît les codages. Il behaves as though il utilise la fonction wcrtomb, qui code un caractère large (wchar_t) en une séquence multi-octets, selon les paramètres régionaux actuels. Si la localisation par défaut est "C", ce qui est assez minimaliste, le caractère æ est converti en la séquence d'octets "plus ou moins équivalente" ae.

Si vous définissez explicitement les paramètres régionaux sur quelque chose en utilisant UTF-8, comme "en_US.UTF-8", la sortie is as expected. Bien sûr, l'ensemble des paramètres régionaux pris en charge diffère d'un système à l'autre, il n'est donc pas bon de le coder en dur.