mbrtoc32

size_t mbrtoc32( char32_t restrict* pc32, const char* restrict s,
                 size_t n, mbstate_t* restrict ps );

Преобразует одну кодовую точку из узкого многобайтового представления символа в её представление в виде символа переменной длины и шириной 32 бита (обычно UTF-32).

Если s не является нулевым указателем, проверяет не более n байт строки многобайтовых символов, начиная с байта, на который указывает s, чтобы определить количество байт, необходимых для завершения следующего многобайтового символа (включая любые последовательности переключения и с учётом текущего состояния преобразования многобайтовых символов *ps). Если функция определяет, что следующий многобайтовый символ в s является полным и допустимым, преобразует его в соответствующий широкоформатный символ шириной 32 бита и сохраняет его в *pc32 (если pc32 не является нулевым).

Если многобайтовый символ в *s соответствует последовательности из нескольких символов char32_t (что невозможно для UTF-32), то после первого вызова этой функции *ps обновляется так, что последующие вызовы mbrtoc32 будут записывать дополнительные символы char32_t, не учитывая *s.

Если s является нулевым указателем, значения n и pc32 игнорируются, а вызов эквивалентен mbrtoc32(NULL, "", 1, ps).

Если полученный широкий символ является нулевым символом, состояние преобразования *ps соответствует исходному состоянию переключения.

Если макрос __STDC_UTF_32__ определён, в этой функции используется кодировка UTF-32 шириной 32 бита; в противном случае она определяется реализацией. Макрос всегда определён, а кодировка всегда является UTF-32.(начиная с C23) В любом случае кодировка многобайтовых символов, используемая этой функцией, задаётся текущей активной локалью C.

Параметры

Возвращаемое значение

Первое из следующих применимых значений:

• 0, если символ, преобразованный из s (и сохранённый в *pc32, если указатель не нулевой), был нулевым символом.
• Количество байт [1, n] многобайтового символа, успешно преобразованного из s.
• (size_t)-3, если следующий символ char32_t из последовательности символов char32_t уже записан в *pc32. В этом случае из входных данных не обрабатываются байты.
• (size_t)-2, если следующие n байт образуют неполный, но пока ещё допустимый многобайтовый символ. В *pc32 ничего не записывается.
• (size_t)-1, если возникает ошибка кодирования. В *pc32 ничего не записывается, значение EILSEQ сохраняется в errno, а значение *ps не определено.

Пример

#include <assert.h>
#include <locale.h>
#include <stdio.h>
#include <uchar.h>

int main(void)
{
    setlocale(LC_ALL, "en_US.utf8");
    char in[] = u8"zß水🍌"; // or "z\u00df\u6c34\U0001F34C"
    enum { in_size = sizeof in / sizeof *in };

    printf("Processing %d UTF-8 code units: [", in_size);
    for (int i = 0; i < in_size; ++i)
        printf("%s%02X", i ? " " : "", (unsigned char)in[i]);
    puts("]");

    char32_t out[in_size];
    char32_t* p_out = out;
    char* p_in = in;
    char* end = in + in_size;
    mbstate_t state = {0};
    size_t rc;
    while ((rc = mbrtoc32(p_out, p_in, end - p_in, &state)))
    {
        assert(rc != (size_t)-3); // no surrogate pairs in UTF-32
        if (rc == (size_t)-1) break; // invalid input
        if (rc == (size_t)-2) break; // truncated input
        p_in += rc;
        ++p_out;
    }

    size_t out_size = p_out+1 - out;
    printf("into %zu UTF-32 code units: [", out_size);
    for (size_t i = 0; i < out_size; ++i)
        printf("%s%08X", i ? " " : "", out[i]);
    puts("]");
}

Processing 11 UTF-8 code units: [7A C3 9F E6 B0 B4 F0 9F 8D 8C 00]
into 5 UTF-32 code units: [0000007A 000000DF 00006C34 0001F34C 00000000]

Ссылки

• Стандарт C23 (ISO/IEC 9899:2024):
• 7.30.1.5 Функция mbrtoc32 (стр. 410)
• Стандарт C17 (ISO/IEC 9899:2018):
• 7.28.1.3 Функция mbrtoc32 (стр. 293–294)
• Стандарт C11 (ISO/IEC 9899:2011):
• 7.28.1.3 Функция mbrtoc32 (стр. 400–401)

См. также