ctype.h ctype.hctype.h头文件定义了一系列字符处理函数的原型。字符测试函数这些函数用来判断字符是否属于某种类型。isalnum()：是否为字母数字isalpha()：是否为字母isdigit()：是否为数字isxdigit()：是否为十六进制数字符islower()：是否为小写字母isupper()：是否为大写字母isblank()：是否为标准的空白字符（包含空格、水平制表符或换行符）isspace()：是否为空白字符（空格、换行符、换页符、回车符、垂直制表符、水平制表符等）iscntrl()：是否为控制字符，比如 Ctrl + Bisprint()：是否为可打印字符isgraph()：是否为空格以外的任意可打印字符ispunct()：是否为标点符号（除了空格、字母、数字以外的可打印字符）它们接受一个待测试的字符作为参数。注意，参数类型为int，而不是char，因为它们允许 EOF 作为参数。如果参数字符属于指定类型，就返回一个非零整数（通常是1，表示为真），否则返回0（表示为伪）。下面是一个例子，用户输入一个字符，程序判断是否为英文字母。#include <stdio.h> #include <ctype.h> int main(void) { char ch = getchar(); if (isalpha(ch)) printf("it is an alpha character.\n"); else printf("it is not an alpha character.\n"); return 0; }字符映射函数这一类函数返回字符的某种对应形式，主要有两个函数。tolower()：如果参数是大写字符，返回小写字符，否则返回原始参数。toupper()：如果参数是小写字符，返回大写字符，否则返回原始参数。// 将字符转为大写 ch = toupper(ch);注意，这两个函数不会改变原始字符。

assert.h assert.hassert()assert.h头文件定义了宏assert()，用于在运行时确保程序符合指定条件，如果不符合，就报错终止运行。这个宏常常被称为“断言”。assert(PI > 3);上面代码在程序运行到这一行语句时，验证变量PI是否大于3。如果确实大于3，程序继续运行，否则就会终止运行，并且给出报错信息提示。assert()宏接受一个表达式作为参数。如果该表达式为真（返回值非零），assert()不会产生任何作用，程序继续运行。如果该表达式为假（返回值为零），assert()就会报错，在标准错误流stderr中写入一条错误信息，显示没有通过的表达式，以及包含这个表达式的文件名和行号。最后，调用abort()函数终止程序（abort()函数的原型在stdlib.h头文件中）。z = x * x - y * y; assert(z >= 0);上面的assert()语句类似于下面的代码。if (z < 0) { puts("z less than 0"); abort(); }如果断言失败，程序会中断执行，会显示下面的提示。Assertion failed: (z >= 0), function main, file /Users/assert.c, line 14.上面报错的格式如下。Assertion failed: [expression], function [abc], file [xyz], line [nnn].上面代码中，方括号的部分使用实际数据替换掉。使用assert()有几个好处：它不仅能自动标识文件和出问题的行号，还有一种无需更改代码就能开启或关闭assert()的机制。如果已经确认程序没有问题，不需要再做断言，就在#include <assert.h>语句的前面，定义一个宏NDEBUG。#define NDEBUG #include <assert.h>然后，重新编译程序，编译器就会禁用文件中所有的assert()语句。如果程序又出现问题，可以移除这条#define NDBUG指令（或者把它注释掉），再次编译，这样就重新启用了assert()语句。assert()的缺点是，因为引入了额外的检查，增加了程序的运行时间。static_assert()C11 引入了静态断言static_assert()，用于在编译阶段进行断言判断。static_assert(constant-expression, string-literal);static_assert()接受两个参数，第一个参数constant-expression是一个常量表达式，第二个参数string-literal是一个提示字符串。如果第一个参数的值为false，会产生一条编译错误，第二个参数就是错误提示信息。static_assert(sizeof(int) == 4, "64-bit code generation is not supported.");上面代码的意思是，如果当前计算机的int类型不等于4个字节，就会编译报错。注意，static_assert()只在编译阶段运行，无法获得变量的值。如果对变量进行静态断言，就会导致编译错误。int positive(const int n) { static_assert(n > 0, "value must > 0"); return 0; }上面代码会导致编译报错，因为编译时无法知道变量n的值。static_assert()的好处是，尽量在编译阶段发现错误，避免运行时再报错，节省开发时间。另外，有些assert()断言位于函数之中，如果不执行该函数，就不会报错，而static_assert()不管函数是否执行，都会进行断言判断。最后，static_assert()不会生成可执行代码，所以不会造成任何运行时的性能损失。

多字节字符 多字节字符本章介绍 C 语言如何处理非英语字符。Unicode 简介C 语言诞生时，只考虑了英语字符，使用7位的 ASCII 码表示所有字符。ASCII 码的范围是0到127，也就是最多只能表示100多个字符，用一个字节就可以表示，所以char类型只占用一个字节。但是，如果处理非英语字符，一个字节就不够了，单单是中文，就至少有几万个字符，字符集就势必使用多个字节表示。最初，不同国家有自己的字符编码方式，这样不便于多种字符的混用。因此，后来就逐渐统一到 Unicode 编码，将所有字符放入一个字符集。Unicode 为每个字符提供一个号码，称为码点（code point），其中0到127的部分，跟 ASCII 码是重合的。通常使用“U+十六进制码点”表示一个字符，比如U+0041表示字母A。Unicode 编码目前一共包含了100多万个字符，码点范围是 U+0000 到 U+10FFFF。完整表达整个 Unicode 字符集，至少需要三个字节。但是，并不是所有文档都需要那么多字符，比如对于 ASCII 码就够用的英语文档，如果每个字符使用三个字节表示，就会比单字节表示的文件体积大出三倍。为了适应不同的使用需求，Unicode 标准委员会提供了三种不同的表示方法，表示 Unicode 码点。UTF-8：使用1个到4个字节，表示一个码点。不同的字符占用的字节数不一样。UTF-16：对于U+0000 到 U+FFFF 的字符（称为基本平面），使用2个字节表示一个码点。其他字符使用4个字节。UTF-32：统一使用4个字节，表示一个码点。其中，UTF-8 的使用最为广泛，因为对于 ASCII 字符（U+0000 到 U+007F），它只使用一个字节表示，这就跟 ASCII 的编码方式完全一样。C 语言提供了两个宏，表示当前系统支持的编码字节长度。这两个宏都定义在头文件limits.h。MB_LEN_MAX：任意支持地区的最大字节长度，定义在limits.h。MB_CUR_MAX：当前语言的最大字节长度，总是小于或等于MB_LEN_MAX，定义在stdlib.h。字符的表示方法字符表示法的本质，是将每个字符映射为一个整数，然后从编码表获得该整数对应的字符。C 语言提供了不同的写法，用来表示字符的整数号码。\123：以八进制值表示一个字符，斜杠后面需要三个数字。\x4D：以十六进制表示一个字符，\x后面是十六进制整数。\u2620：以 Unicode 码点表示一个字符（不适用于 ASCII 字符），码点以十六进制表示，\u后面需要4个字符。\U0001243F：以 Unicode 码点表示一个字符（不适用于 ASCII 字符），码点以十六进制表示，\U后面需要8个字符。printf("ABC\n"); printf("\101\102\103\n"); printf("\x41\x42\x43\n");上面三行都会输出“ABC”。printf("\u2022 Bullet 1\n"); printf("\U00002022 Bullet 1\n");上面两行都会输出“• Bullet 1”。多字节字符的表示C 语言预设只有基本字符，才能使用字面量表示，其它字符都应该使用码点表示，并且当前系统还必须支持该码点的编码方法。所谓基本字符，指的是所有可打印的 ASCII 字符，但是有三个字符除外：@、$、 ` 。因此，遇到非英语字符，应该将其写成 Unicode 码点形式。char* s = "\u6625\u5929"; printf("%s\n", s); // 春天上面代码会输出中文“春天”。如果当前系统是 UTF-8 编码，可以直接用字面量表示多字节字符。char* s = "春天"; printf("%s\n", s);注意，\u + 码点和\U + 码点的写法，不能用来表示 ASCII 码字符（码点小于0xA0的字符），只有三个字符除外：0x24（$），0x40（@）和0x60（ ` ）。char* s = "\u0024\u0040\u0060"; printf("%s\n", s); // @$`上面代码会输出三个 Unicode 字符“@$`”，但是其它 ASCII 字符都不能用这种表示法表示。为了保证程序执行时，字符能够正确解读，最好将程序环境切换到本地化环境。setlocale(LC_ALL, "");上面代码中，使用setlocale()切换执行环境到系统的本地化语言。setlocale()的原型定义在头文件locale.h，详见标准库部分的《locale.h》章节。像下面这样，指定编码语言也可以。setlocale(LC_ALL, "zh_CN.UTF-8");上面代码将程序执行环境，切换到中文环境的 UTF-8 编码。C 语言允许使用u8前缀，对多字节字符串指定编码方式为 UTF-8。char* s = u8"春天"; printf("%s\n", s);一旦字符串里面包含多字节字符，就意味着字符串的字节数与字符数不再一一对应了。比如，字符串的长度为10字节，就不再是包含10个字符，而可能只包含7个字符、5个字符等等。setlocale(LC_ALL, ""); char* s = "春天"; printf("%d\n", strlen(s)); // 6上面示例中，字符串s只包含两个字符，但是strlen()返回的结果却是6，表示这两个字符一共占据了6个字节。C 语言的字符串函数只针对单字节字符有效，对于多字节字符都会失效，比如strtok()、strchr()、strspn()、toupper()、tolower()、isalpha()等不会得到正确结果。宽字符上一小节的多字节字符串，每个字符的字节宽度是可变的。这种编码方式虽然使用起来方便，但是很不利于字符串处理，因此必须逐一检查每个字符占用的字节数。所以除了这种方式，C 语言还提供了确定宽度的多字节字符存储方式，称为宽字符（wide character）。所谓“宽字符”，就是每个字符占用的字节数是固定的，要么是2个字节，要么是4个字节。这样的话，就很容易快速处理。宽字符有一个单独的数据类型 wchar_t，每个宽字符都是这个类型。它属于整数类型的别名，可能是有符号的，也可能是无符号的，由当前实现决定。该类型的长度为16位（2个字节）或32位（4个字节），足以容纳当前系统的所有字符。它定义在头文件wchar.h里面。宽字符的字面量必须加上前缀“L”，否则 C 语言会把字面量当作窄字符类型处理。setlocale(LC_ALL, ""); wchar_t c = L'牛'； printf("%lc\n", c); wchar_t* s = L"春天"; printf("%ls\n", s);上面示例中，前缀“L”在单引号前面，表示宽字符，对应printf()的占位符为%lc；在双引号前面，表示宽字符串，对应printf()的占位符为%ls。宽字符串的结尾也有一个空字符，不过是宽空字符，占用多个字节。处理宽字符，需要使用宽字符专用的函数，绝大部分都定义在头文件wchar.h。多字节字符处理函数mblen()mblen()函数返回一个多字节字符占用的字节数。它的原型定义在头文件stdlib.h。int mblen(const char* mbstr, size_t n);它接受两个参数，第一个参数是多字节字符串指针，一般会检查该字符串的第一个字符；第二个参数是需要检查的字节数，这个数字不能大于当前系统单个字符占用的最大字节，一般使用MB_CUR_MAX。它的返回值是该字符占用的字节数。如果当前字符是空的宽字符，则返回0；如果当前字符不是有效的多字节字符，则返回-1。setlocale(LC_ALL, ""); char* mbs1 = "春天"; printf("%d\n", mblen(mbs1, MB_CUR_MAX)); // 3 char* mbs2 = "abc"; printf("%d\n", mblen(mbs2, MB_CUR_MAX)); // 1上面示例中，字符串“春天”的第一个字符“春”，占用3个字节；字符串“abc”的第一个字符“a”，占用1个字节。wctomb()wctomb()函数（wide character to multibyte）用于将宽字符转为多字节字符。它的原型定义在头文件stdlib.h。int wctomb(char* s, wchar_t wc);wctomb()接受两个参数，第一个参数是作为目标的多字节字符数组，第二个参数是需要转换的一个宽字符。它的返回值是多字节字符存储占用的字节数量，如果无法转换，则返回-1。setlocale(LC_ALL, ""); wchar_t wc = L'牛'; char mbStr[10] = ""; int nBytes = 0; nBytes = wctomb(mbStr, wc); printf("%s\n", mbStr); // 牛 printf("%d\n", nBytes); // 3上面示例中，wctomb()将宽字符“牛”转为多字节字符，wctomb()的返回值表示转换后的多字节字符占用3个字节。mbtowc()mbtowc()用于将多字节字符转为宽字符。它的原型定义在头文件stdlib.h。int mbtowc( wchar_t* wchar, const char* mbchar, size_t count );它接受3个参数，第一个参数是作为目标的宽字符指针，第二个参数是待转换的多字节字符指针，第三个参数是多字节字符的字节数。它的返回值是多字节字符的字节数，如果转换失败，则返回-1。setlocale(LC_ALL, ""); char* mbchar = "牛"; wchar_t wc; wchar_t* pwc = &wc; int nBytes = 0; nBytes = mbtowc(pwc, mbchar, 3); printf("%d\n", nBytes); // 3 printf("%lc\n", *pwc); // 牛上面示例中，mbtowc()将多字节字符“牛”转为宽字符wc，返回值是mbchar占用的字节数（占用3个字节）。wcstombs()wcstombs()用来将宽字符串转换为多字节字符串。它的原型定义在头文件stdlib.h。size_t wcstombs( char* mbstr, const wchar_t* wcstr, size_t count );它接受三个参数，第一个参数mbstr是目标的多字节字符串指针，第二个参数wcstr是待转换的宽字符串指针，第三个参数count是用来存储多字节字符串的最大字节数。如果转换成功，它的返回值是成功转换后的多字节字符串的字节数，不包括尾部的字符串终止符；如果转换失败，则返回-1。下面是一个例子。setlocale(LC_ALL, ""); char mbs[20]; wchar_t* wcs = L"春天"; int nBytes = 0; nBytes = wcstombs(mbs, wcs, 20); printf("%s\n", mbs); // 春天 printf("%d\n", nBytes); // 6上面示例中，wcstombs()将宽字符串wcs转为多字节字符串mbs，返回值6表示写入mbs的字符串占用6个字节，不包括尾部的字符串终止符。如果wcstombs()的第一个参数是 NULL，则返回转换成功所需要的目标字符串的字节数。mbstowcs()mbstowcs()用来将多字节字符串转换为宽字符串。它的原型定义在头文件stdlib.h。size_t mbstowcs( wchar_t* wcstr, const char* mbstr, size_t count );它接受三个参数，第一个参数wcstr是目标宽字符串，第二个参数mbstr是待转换的多字节字符串，第三个参数是待转换的多字节字符串的最大字符数。转换成功时，它的返回值是成功转换的多字节字符的数量；转换失败时，返回-1。如果返回值与第三个参数相同，那么转换后的宽字符串不是以 NULL 结尾的。下面是一个例子。setlocale(LC_ALL, ""); char* mbs = "天气不错"; wchar_t wcs[20]; int nBytes = 0; nBytes = mbstowcs(wcs, mbs, 20); printf("%ls\n", wcs); // 天气不错 printf("%d\n", nBytes); // 4上面示例中，多字节字符串mbs被mbstowcs()转为宽字符串，成功转换了4个字符，所以该函数的返回值为4。如果mbstowcs()的第一个参数为NULL，则返回目标宽字符串会包含的字符数量。