C 语言从 C94 引入多语言支持以后处理中文方便多了。即使不用 wchar_t 也可以获得很多好处,比如增加了 strcoll 这个根据 locale 比较字符串的函数。
简单地说,一个 locale 就是一组处理跟语言相关问题的规则,这里有一篇简介。这些规则就包括如何对字符串进行比较和排序。按照 C94 及 C99 标准的规定,程序在启动时设置 locale 为 "C"。在 "C" locale 下,字符串的比较就是按照内码一个字节一个字节地进行,这时 strcoll 与 strcmp 函数没有区别。在其他 locale 下,字符串的比较方式则不同了,例如在简体中文 locale 下,strcmp 仍然按内码比较,而 strcoll 对于汉字则是按拼音进行的(这也跟操作系统有关,Windows 还支持按笔划排序,可以在“区域和语言设置”里面修改)。
在 C 语言里面,用 setlocale 函数设置当前 locale,在程序开头使用一句 setlocale (LC_ALL, ""); 就可以了。第二个参数为空串表示依照操作系统的当前设置。下面是一个示例程序(须使用 C 编译器;如果要用 C++ 编译器,还要自己封装一下 strcoll 或者加一个强制类型转换):
#include
#include
#include
#include
int main (void)
{
int i;
char str[10][4]= {"镕","堃","趙","錢","孫","李","周","吳","鄭","王"};
qsort (str, 10, 4, strcoll);
printf ("按内码排序:");
for (i=0; i<10; i++)
printf ("%s", str[i]);
setlocale (LC_ALL, "");
qsort (str, 10, 4, strcoll);
printf ("\n按音序排序:");
for (i=0; i<10; i++)
printf ("%s", str[i]);
return 0;
}
程序输出(操作系统 GNU/Linux,locale 为 "zh_CN.UTF-8"):
按内码排序:吳周堃孫李王趙鄭錢镕
按音序排序:堃李錢镕孫王吳趙鄭周
程序输出(操作系统 Windows, locale 为 "Chinese_People's Republic of China.936"):
按内码排序:吳堃孫李王周趙鄭錢镕
按音序排序:堃李錢镕孫王吳趙鄭周
按内码排序的差别是因为两个测试里使用了不同的内码,但可以看出第二行的结果相同。之所以用了生僻字和繁体字为例,是因为一级汉字在 GB2312 里面恰好是按拼音排的,体现不出差别了。
另外,使用宽字符(wchar_t)的程序在开头一定要使用 setlocale,不然会遇到很多麻烦,比如 wprintf 不能输出中文……