Какова цель случая s==NULL для mbrtowc?

Поскольку байт '\0' должен преобразовываться в широкий нулевой символ независимо от состояния сдвига (5.2.1.2 Многобайтовые символы), а функция mbrtowc() предназначена для сброса состояния сдвига при преобразовании в широкий нулевой символ (7.24.6.3. 2/3 Функция mbrtowc), вызов mbrtowc( NULL, "", 1, ps) сбросит состояние смены, хранящееся в mbstate_t, на которое указывает ps. И если mbrtowc( NULL, "", 1, NULL) вызывается для использования внутреннего объекта библиотеки mbstate_t, он будет сброшен в начальное состояние. См. Конец ответа для ссылок на соответствующие биты стандарта.

Я ни в коем случае не особенно разбираюсь в стандартных функциях многобайтового преобразования C (мой опыт работы с такими вещами заключался в использовании API-интерфейсов Win32 для преобразования).

Если mbrtowc() обрабатывает «неполный символ», который сокращен на 0 байт, он должен вернуть (size_t)(-1), чтобы указать недопустимый многобайтовый символ (и, таким образом, обнаружить опасную ситуацию, которую вы описываете). В этом случае состояние преобразования/сдвига не указано (и я думаю, что вы в основном застряли в этой строке). Многобайтовая «последовательность», в которой была предпринята попытка преобразования, но содержащая '\0', недействительна и всегда будет действительна для последующих данных. Если '\0' не должен был быть частью преобразованной последовательности, то он не должен был быть включен в подсчет байтов, доступных для обработки.

Если вы находитесь в ситуации, когда вы можете получить дополнительные последующие байты для частичного многобайтового символа (скажем, из сетевого потока), n, которое вы передали для частичного многобайтового символа, не должно включать 0 байт, поэтому вы получите (size_t)(-2) вернулся. В этом случае, если вы передадите '\0' в середине частичного преобразования, вы потеряете тот факт, что произошла ошибка, и в качестве побочного эффекта сбросите используемое состояние mbstate_t (будь то ваше собственное или внутреннее состояние). используется, потому что вы передали указатель NULL для ps). Я думаю, что я, по сути, повторяю ваш вопрос здесь.

Однако я думаю, что эту ситуацию можно обнаружить и обработать, но, к сожалению, это требует самостоятельного отслеживания некоторого состояния:

#define MB_ERROR    ((size_t)(-1))
#define MB_PARTIAL  ((size_t)(-2))

// function to get a stream of multibyte characters from somewhere
int get_next(void);

int bar(void)
{
    char c;
    wchar_t wc;
    mbstate_t state = {0};

    int in_partial_convert = 0;

    while ((c = get_next()) != EOF)
    {
        size_t result = mbrtowc( &wc, &c, 1, &state);

        switch (result) {
        case MB_ERROR:
            // this multibyte char is invalid
            return -1;
        case MB_PARTIAL:
            // do nothing yet, we need more data
            // but remember that we're in this state
            in_partial_convert = 1;
            break;
        case 1:
            // output the competed wide char
            in_partial_convert = 0;     // no longer in the middle of a conversion
            putwchar(wc);
            break;
        case 0:
            if (in_partial_convert) {
                // this 'last' multibyte char was mal-formed
                // return an error condidtion
                return -1;
            }
            // end of the multibyte string
            // we'll handle similar to EOF
            return 0;
        }
    }

    return 0;
}

Возможно, это не идеальная ситуация, но я думаю, что это показывает, что она не полностью сломана, чтобы ее невозможно было использовать.

Ссылки на стандарты:

5.2.1.2 Многобайтовые символы

• Многобайтовый набор символов может иметь кодировку, зависящую от состояния, при этом каждая последовательность многобайтовых символов начинается с начального состояния сдвига и входит в другие состояния сдвига, зависящие от локали, когда в последовательности встречаются определенные многобайтовые символы. В начальном состоянии сдвига все однобайтовые символы сохраняют свою обычную интерпретацию и не изменяют состояние сдвига. Интерпретация последующих байтов в последовательности зависит от текущего состояния сдвига.

• Байт со всеми нулевыми битами должен интерпретироваться как нулевой символ независимо от состояния сдвига.

• Байт со всеми нулевыми битами не должен встречаться во втором или последующих байтах многобайтового символа.

7.24.6.3.2/3 Функция mbrtowc

Если соответствующий расширенный символ является пустым широким символом, описываемое результирующее состояние является начальным состоянием преобразования.

В 5.2.1.2, Многобайтовые символы, стандарт C гласит:

Байт со всеми нулевыми битами должен интерпретироваться как нулевой символ независимо от состояния сдвига. Такой байт не должен встречаться как часть любого другого многобайтового символа.

Стандарт, по-видимому, проводит различие между состоянием сдвига и состоянием преобразования, как, например, в 7.24.6 упоминается:

Состояние преобразования, описываемое объектом, на который указывает указатель, изменяется по мере необходимости для отслеживания состояния сдвига и положения в многобайтовом символе для связанной последовательности многобайтовых символов.

(выделено мною). Однако я думаю, что цель состоит в том, чтобы интерпретировать байт со всеми нулевыми битами как нулевой символ независимо от значения mbstate_t, которое кодирует все состояние преобразования, в частности, как «такой байт не должен встречаться как часть любого другого многобайтового символа» подразумевает, что нулевой байт не может встречаться внутри многобайтового символа. Если нулевой байт действительно появляется в ошибочном вводе, где должен быть второй, третий и т. д. байт многобайтового символа, то я интерпретирую Стандарт как говорящий, что неполный многобайтовый символ в EOF молча игнорируется .

Мое прочтение 7.24.6.3.2, функция mbrtowc для случая, когда s равно NULL, таково: следующий 1 байт завершает нулевой широкий символ, возвращаемое значение mbrtowc равно 0, а результирующее состояние является начальным состоянием преобразования. потому что:

Если соответствующий расширенный символ является пустым широким символом, описываемое результирующее состояние является начальным состоянием преобразования.

Передавая NULL как для s, так и для ps, внутреннее mbstate_t для mbrtowc сбрасывается в начальное состояние.