Проблема с отображением ширины UTF-8 для китайских иероглифов

Да, это проблема всех известных мне версий printf. Я кратко обсуждаю этот вопрос в этом ответе, а также в этот.

Что касается C, я не знаю библиотеки, которая сделает это за вас, но если она у кого-то есть, то это будет ICU.

Для Perl вы должны использовать модуль Unicode :: GCString из CPAN, чтобы рассчитать количество столбцов печати, которые займет строка Unicode. При этом учитывается стандартное приложение № 11 Unicode: ширина Восточной Азии.

Например, некоторые кодовые точки занимают 1 столбец, а другие - 2 столбца. Есть даже такие, которые вообще не занимают столбцов, например, объединение символов и невидимых управляющих символов. В классе есть метод columns, который возвращает количество столбцов, занимаемых строкой.

У меня есть пример использования этого для выравнивания текста Unicode по вертикали здесь. Он отсортирует набор строк Unicode, в том числе некоторые с комбинированными символами и «широкими» азиатскими идеограммами (символы CJK), и позволит вам выровнять их по вертикали.

Ниже приведен код небольшой umenu демонстрационной программы, которая распечатывает этот красиво выровненный вывод.

Возможно, вас заинтересует гораздо более амбициозный модуль Unicode :: LineBreak из который вышеупомянутый класс Unicode::GCString является лишь меньшим по размеру компонентом. Этот модуль намного круче и учитывает стандартное приложение № 14 Unicode: алгоритм разрыва строки Unicode.

Вот код небольшой umenu демонстрации, протестированной на Perl v5.14:

 #!/usr/bin/env perl
 # umenu - demo sorting and printing of Unicode food
 #
 # (obligatory and increasingly long preamble)
 #
 use utf8;
 use v5.14;                       # for locale sorting
 use strict;
 use warnings;
 use warnings  qw(FATAL utf8);    # fatalize encoding faults
 use open      qw(:std :utf8);    # undeclared streams in UTF-8
 use charnames qw(:full :short);  # unneeded in v5.16

 # std modules
 use Unicode::Normalize;          # std perl distro as of v5.8
 use List::Util qw(max);          # std perl distro as of v5.10
 use Unicode::Collate::Locale;    # std perl distro as of v5.14

 # cpan modules
 use Unicode::GCString;           # from CPAN

 # forward defs
 sub pad($$$);
 sub colwidth(_);
 sub entitle(_);

 my %price = (
     "γύρος"             => 6.50, # gyros, Greek
     "pears"             => 2.00, # like um, pears
     "linguiça"          => 7.00, # spicy sausage, Portuguese
     "xoriço"            => 3.00, # chorizo sausage, Catalan
     "hamburger"         => 6.00, # burgermeister meisterburger
     "éclair"            => 1.60, # dessert, French
     "smørbrød"          => 5.75, # sandwiches, Norwegian
     "spätzle"           => 5.50, # Bayerisch noodles, little sparrows
     "包子"              => 7.50, # bao1 zi5, steamed pork buns, Mandarin
     "jamón serrano"     => 4.45, # country ham, Spanish
     "pêches"            => 2.25, # peaches, French
     "シュークリーム"    => 1.85, # cream-filled pastry like éclair, Japanese
     "막걸리"            => 4.00, # makgeolli, Korean rice wine
     "寿司"              => 9.99, # sushi, Japanese
     "おもち"            => 2.65, # omochi, rice cakes, Japanese
     "crème brûlée"      => 2.00, # tasty broiled cream, French
     "fideuà"            => 4.20, # more noodles, Valencian (Catalan=fideuada)
     "pâté"              => 4.15, # gooseliver paste, French
     "お好み焼き"        => 8.00, # okonomiyaki, Japanese
 );

 my $width = 5 + max map { colwidth } keys %price;

 # So the Asian stuff comes out in an order that someone
 # who reads those scripts won't freak out over; the
 # CJK stuff will be in JIS X 0208 order that way.
 my $coll  = new Unicode::Collate::Locale locale => "ja";

 for my $item ($coll->sort(keys %price)) {
     print pad(entitle($item), $width, ".");
     printf " €%.2f\n", $price{$item};
 }

 sub pad($$$) {
     my($str, $width, $padchar) = @_;
     return $str . ($padchar x ($width - colwidth($str)));
 }

 sub colwidth(_) {
     my($str) = @_;
     return Unicode::GCString->new($str)->columns;
 }

 sub entitle(_) {
     my($str) = @_;
     $str =~ s{ (?=\pL)(\S)     (\S*) }
              { ucfirst($1) . lc($2)  }xge;
     return $str;
 }

Как видите, ключом к тому, чтобы заставить его работать в этой конкретной программе, является эта строка кода, которая просто вызывает другие функции, определенные выше, и использует модуль, который я обсуждал:

print pad(entitle($item), $width, ".");

Это расширит элемент до заданной ширины, используя точки в качестве символа заливки.

Да, это намного менее удобно, чем printf, но, по крайней мере, это возможно.