C标准库的setlocale()用法笔记

C 和 C++ 的标准库分别有自己的 locale 操作方法，C 标准库的 locale 设定函数是 setlocale()，而 C++ 标准库有 locale 类和流对象的 imbue() 方法。这篇是我自己的 setlocale() 使用总结。

Linux的glibc中的setlocale()

具体参考：man 3 setlocale

头文件与声明如下：

#include <locale.h>
char* setlocale(int category, const char* locale);

说明：

category：为locale分类，表达一种locale的领域方面，通常有下面这些预定义常量：LC_ALL、LC_COLLATE、LC_CTYPE、LC_MESSAGES、LC_MONETARY、LC_NUMERIC、LC_TIME，其中 LC_ALL 表示所有其它locale分类的并集。

locale：为期望设定的locale名称字符串，在Linux/Unix环境下，通常以下面格式表示locale名称：language[_territory][.codeset][@modifier]，language 为 ISO 639 中规定的语言代码，territory 为 ISO 3166 中规定的国家/地区代码，codeset 为字符集名称。

在Linux下，可以使用locale -a命令查看系统中所有已配置的 locale。用不带选项的locale命令查看当前 Shell 中活动的 locale。用locale -m命令查看locale系统支持的所有可用的字符集编码。

和locale相关的包叫做：locales，locale系统支持的所有可用locale在文件：/usr/share/i18n/SUPPORTED中列出。

在Debian下，可用dpkg-reconfigure locales命令重新配置 locale，也可以手工修改/etc/locale.gen文件，然后运行locale-gen命令。

在Ubuntu下，修改/var/lib/locales/supported.d/local文件，配置新的 locale，然后运行 locale-gen 命令。

当 locale 为NULL时，函数只做取回当前 locale 操作，通过返回值传出，并不改变当前 locale。

当 locale 为""时，根据环境的设置来设定 locale，检测顺序是：环境变量 LC_ALL，每个单独的locale分类LC_*，最后是 LANG 变量。为了使程序可以根据环境来改变活动 locale，一般都在程序的初始化阶段加入下面代码：setlocale(LC_ALL, "")。

当C语言程序初始化时（刚进入到 main() 时），locale 被初始化为默认的Clocale，其采用的字符编码是所有本地 ANSI 字符集编码的公共部分，是用来书写C语言源程序的最小字符集（所以才起locale名叫：C）。

当用 setlocale() 设置活动 locale 时，如果成功，会返回当前活动 locale 的全名称；如果失败，会返回 NULL。

Windows的CRT中的setlocale()

具体参考：setlocale - MSDN Run-Time Library Reference

在 Windows CRT 的实现中还有一个使用 wchar_t 作为 locale 名的宽字符版本：_wsetlocale()。因此，也有了使用 _TCHAR 宏版本的 setlocale()：_tsetlocale()。

Windows CRT 实现的 setlocale() 和 glibc 版本的头文件与声明相同，使用方法类似，如下：

支持的 locale 分类常量：LC_ALL、LC_COLLATE、LC_CTYPE、LC_MONETARY、LC_NUMERIC、LC_TIME。

请求设定的 locale 名可以为以下格式（参考MSDN：Language and Country/Region Strings）：

1. lang[_country_region[.code_page]]：虽然形式与 glibc 的相同，当 Windows 的 locale 名并不符合 POSIX 的规范，比如采用 GBK 字符集的大陆中文，POSIX 的名字为：zh_CN.GBK，而在 Windows CRT 中要用：Chinese_People's Republic of China.936，(-_-^)。

   • lang字段的可用值参考：Language Strings

   • country_region字段的可用值参考：Country/Region Strings

   • code_page字段的可用值是 Windows 系统支持的代码页编号，参考：Code Page Identifiers

2. .code_page：可以直接使用代码页来设定 locale，而且可以使用 .OCP、.ACP 两个伪代码页，.OCP 表示从系统获得的当前活动的 OEM 代码页，.ACP 表示从系统获得的活动 ANSI 代码页。

3. ""：根据 Windows 系统环境的活动 ANSI 代码页来设定 locale。.OCP、.ACP、和环境代码页都受控制面板中“区域与语言选项”的设置影响。默认装完简体中文版 Windows 后，活动的 ANSI 代码页为：936（即 GBK），可用 chcp 控制台程序查看活动代码页。

4. NULL：取回当前 locale，不改变当前 locale。

setlocale()的作用和使用例子

当向终端、控制台输出 wchar_t 类型的字符时，需要设置 setlocale()，因为通常终端、控制台环境自身是不支持 UCS 系列的字符集编码的，使用流操作函数时（如：printf()），在标准/RT库实现的内部会将 UCS 字符转换成合适的本地 ANSI 编码字符，转换的依据就是 setlocale() 设定的活动 locale，最后将结果字符序列传递给终端，对于来自终端的输入流这个过程刚好相反。

可以用重定向输出流到文件的方法验证上面的机制：无论是 Windows CRT、Linux glibc、Cygwin glibc，使用 wprintf() 打印 wchar_t 字符文本时，重定向到文件的内容总是 GBK、UTF-8 等本地 ANSI 编码，而不会是 UCS 编码。

下面是我写的一个使用 setlocale() 的示例：

#ifdef __GNUC__
#define CSET_GBK "GBK"
#define CSET_UTF8 "UTF-8"
#define LC_NAME_zh_CN "zh_CN"
// ifdef __GNUC__
#elif defined(_MSC_VER)
#define CSET_GBK "936"
#define CSET_UTF8 "65001"
#define LC_NAME_zh_CN "Chinese_People's Republic of China"
// ifdef _MSC_VER
#endif
#define LC_NAME_zh_CN_GBK LC_NAME_zh_CN "." CSET_GBK
#define LC_NAME_zh_CN_UTF8 LC_NAME_zh_CN "." CSET_UTF8
#define LC_NAME_zh_CN_DEFAULT LC_NAME_zh_CN_GBK

voidprint_current_loc();

intmain(intargc,char* argv[])
{
char* locname = NULL;
constwchar_t* strzh = L"中文字符串";
print_current_loc();
// 使用指定的 locale
locname =setlocale(LC_ALL, LC_NAME_zh_CN_DEFAULT);
if( NULL == locname )
{
printf("setlocale() with %s failed.\n", LC_NAME_zh_CN_DEFAULT);
}
else
{
printf("setlocale() with %s succeed.\n", LC_NAME_zh_CN_DEFAULT);
}

print_current_loc();
wprintf(L"Zhong text is: %ls\n", strzh);
// 使用运行环境中的 locale 设置

locname =setlocale(LC_ALL,"");
if( NULL == locname )
{
printf("setlocale() from environment failed.\n");
}
else
{
printf("setlocale() from environment succeed.\n");
}
print_current_loc();
wprintf(L"Zhong text is: %ls\n", strzh);
puts("End of program.");
return0;
}
// 打印当前 locale
voidprint_current_loc()
{
char* locname =setlocale(LC_ALL, NULL);
printf("Current locale is: %s\n", locname);
}

要使上面程序成功编译并执行，需要注意一下几点：

Windows CRT 是不支持 UTF-8 编码作为 locale 的，运行时使用 setlocale(LC_ALL, ".65001") 会失败。

使用 Linux 和 Cygwin 的 glibc 时，要在终端显示正确的中文，需满足以下条件：

1. 不要混用 char 和 wchar_t 版本的流操作函数，否则会导致这些函数运行异常，我用Cygwin GCC 4测试混用 printf() 和 wprintf() 时，程序甚至崩掉，所以要将上面程序中 printf() 语句全注释掉才行。Window CRT 的实现则没有这个问题。

2. 运行环境的 locale 设置要和程序中 setlocale() 设定的 locale 一致，比如：终端的活动字符集、环境变量（一般用 LANG），要设置为 *.UTF-8，才能显示 setlocale(LC_ALL, "zh_CN.UTF-8") 设定的 wchar_t 的中文字符。

3. 用 GCC 编译时，要使用 UTF-8 编码保存源文件，这是 GCC 在编译时，将 wchar_t 文字量（以 L 打头）正确转换为 UCS 编码保存在对象文件中的必需条件，用 Native ANSI 编码（比如：GBK）有 wchar_t 文字量的源文件时，GCC 会编译出错，Linux 和 Cygwin 的 GCC 都有这个约束。另外在 Linux GCC 使用 UCS-4 编码保存 wchar_t，而 Windows 和 Cygwin GCC 使用 UCS-2。

4. 用 wprintf() 时，要用%ls表示 wchar_t 的字符串，用%s表示 char 的字符串，具体参考：man 3 wprintf，而 Windows 的实现用 %ls、%s 都可以正确输出 wchar_t 字符串。
   
   这里有一篇 Love Katherine 的：浅谈C中的wprintf和宽字符显示，对 Linux 使用 wchar_t 分析的挺好，做下收藏。