很多人第一次接触 '\n'、'\x41'、'\101'、'\u4E2D' 这类写法时，会本能地问一句：它们在内存里到底是哪些数？而编译器又是按什么规则把源码里的字符翻译成目标文件中的字节？这篇文章把“字符常量”“转义序列”“编码”三件事放到一张图里讲清楚，帮你写出可移植、可预期的 C 代码。

一、字符常量究竟是什么

• 在 C（C11/C17）里，简单字符常量（如 'A'）的类型是 int，其值是该字符在**执行字符集（execution character set）**中的编码数值。别被字面量的外观迷惑了：sizeof 'A' == sizeof(int) 在多数实现上都成立。
• 这意味着在采用 ASCII/UTF-8 的常见环境里，'A' == 65 往往为真，因为 ASCII 中 'A' 的码位是 65。换到 EBCDIC 等环境则不保证仍是 65——这正是“执行字符集”一词存在的意义。

#include <stdio.h>
int main(void) {
    printf("'A' as int = %d\n", 'A');     // 常见环境输出 65
    printf("'\\n' as int = %d\n", '\n');  // 常见环境输出 10
}

结论：**字符常量的值等于字符在“执行字符集”中的编码。**不要把它和“源码文件的存储编码”混为一谈。

二、转义序列的语义与典型数值

转义序列的设计初衷是与源文件编码解耦。不论你的 .c 文件是 UTF-8 还是 GBK，'\n' 都表示“换行这一抽象字符”。

常见转义序列与在 ASCII/UTF-8 环境下的典型数值（十进制）：

• '\0'：空字符（NUL）→ 0
• '\n'：换行（LF）→ 10
• '\r'：回车（CR）→ 13
• '\t'：水平制表（TAB）→ 9
• '\v'：垂直制表 → 11
• '\f'：换页 → 12
• '\a'：响铃 → 7
• '\b'：退格 → 8
• '\''、'\"'、'\\'、'\?'：分别为 '、"、\、? 本身

请注意：这些数值不是由转义序列决定，而是由执行字符集决定；ASCII/UTF-8 只是最常见的一种。

三、数字转义：八进制与十六进制

C 提供两种“按数值写字节”的方式：

1. 八进制：\ooo（o 为 0–7，最多 3 位）。例如 '\101' 等于 'A'（在 ASCII 环境中是 65）。
2. 十六进制：\xhh...（h 为 0–9A–F，不限位数，尽可能多地吞）。例如 '\x41' 等于 'A'。

两点坑位要避：

• 贪婪规则：\x 会一直读到遇到“非十六进制字符”为止。"\x41B" 并不是 A 后接 B，而是一个单个转义，值为十六进制 0x41B，随后再拼上字符串结尾的 \0。这很可能导致超范围或与预期不符。写法建议： const char *s1 = "\x41""B"; // 邻接字符串常量分隔，得到 "AB"
  const char *s2 = "\x41" "B"; // 同上，清晰且可移植
• 范围问题：无论八/十六进制，得到的数值若超出 unsigned char 的可表示范围，其结果是实现定义（甚至可能发出诊断）。务必自觉限制到 0–255。

四、通用字符名与宽/窄字符的落地

为了跨平台表达非 ASCII 字符，C 还提供了通用字符名（Universal Character Name）：

• '\u4E2D'：表示 Unicode 码位 U+4E2D（“中”）
• '\U0001F600'：表示 U+1F600（）

与之配套的几种字符常量形式：

• L'中' 或 L'\u4E2D'：宽字符常量，类型为 wchar_t，值为“执行宽字符集”中的对应码位。
• u'\u4E2D'：类型为 char16_t（C11 起）。
• U'\u4E2D'：类型为 char32_t（C11 起）。
• 字符串方面还有 u8"中"（UTF-8 字符串字面量，C11 就有；字符字面量 u8'a' 在 C23 才加入，一些编译器已先行支持）。

要点：

• 窄字符常量（无前缀的 '…'）只有当该字符可以用执行字符集的单字节表示时才有良好定义；否则就落入实现定义/不可表示的灰区。
• 若你用的是 UTF-8 执行编码，"中" 在内存里是 三个字节（0xE4 0xB8 0xAD），而 L'中' 则是一个 wchar_t 值（在许多系统为 32 位的 0x00004E2D）。

五、源字符集 vs 执行字符集：编译器做了哪些“翻译”

C 标准把编译抽象为若干“翻译阶段”。与本文最相关的是：

1. 源字符集解码：编译器先把源文件从“源字符集”（UTF-8、GBK…）解码到一个内部统一表述。
2. 转义处理：把 '\n'、'\x41' 等替换为抽象字符或数值。
3. 映射到执行字符集：把字面量最终落到目标平台的“执行字符集/执行宽字符集”编码上。

因此，只要你用转义序列或通用字符名，就能避开源文件编码的陷阱。反之，直接在源码里写非 ASCII 字符，可移植性取决于编译器对源文件编码的假设与选项（如 -finput-charset、/source-charset:）。

六、多字符常量：能用，但别用

写法如 'AB'、'XYZ'，标准称为多字符常量，类型仍是 int，其值是实现定义的组合（常见实现把各字节按目标端序拼进一个 int）。

• 在小端系统上，'AB' 往往等于 'A' + ('B'<<8)；在大端则相反。
• 这类写法用于手工构造四字符代码（FourCC）时偶见，但不建议在文本语义中使用，因为跨平台数值不稳定。

七、char 的有符号性：数值回读的隐形炸弹

char 在 C 里既可以是有符号的，也可以是无符号的，由实现决定。影响：

• 你把 '\xFF' 存进 char，在 signed char 实现上读回可能是 -1，在 unsigned char 实现上是 255。
• 解决之道：
• 涉及原始字节时，用 unsigned char。
• 涉及文本时，用 char + 明确的执行编码约定（推荐 UTF-8），并避免超出 0x7F 的“单字节字面量”。

八、实践清单（可直接套用）

1. 统一编码约定：源码统一用 UTF-8，编译器相应配置到 UTF-8 输入；执行时也默认 UTF-8（现代 Linux/macOS 如此，Windows 建议打开 UTF-8 代码页）。
2. 优先语义字面量：表示控制字符用 '\n'、'\t'；只在确有需要时才用 \x.. / \ooo。
3. 跨语言字符：用通用字符名 + 前缀选择合适的类型：u8"…"（字符串）、U'…'/u'…'/L'…'（字符）。
4. 防贪婪：十六进制转义后紧跟引号拼接："\x41""B"。
5. 打印数值：用 printf("%d", (unsigned char)c) 明确数值范围。
6. 避免多字符常量：除非构造 FourCC 且接受实现差异。
7. 文件换行：内部始终用 '\n'。Windows 文本模式下 I/O 层会在磁盘上做 \r\n 转换，不要自己再加 '\r'。

九、几个高频“混淆题”

• '0'、0、'\0' 有何不同？ '0' 是字符 '0'，在 ASCII 下数值 48；0 是整型常量零；'\0' 是空字符（NUL），数值为 0。
• 为什么 "\x41B" 和我想的 "AB" 不一样？ 因为 \x 会吞掉后面的 B（十六进制 0xB）。改写为 "\x41""B"。
• '\n' 在 Windows 是 10 还是 13？ 仍是 10（LF）。'\r' 才是 13（CR）。文本文件中 \n 可能被 I/O 转换为 \r\n 两字节，这是文件层的事。
• '中' 写成窄字符安全吗？ 取决于执行字符集是否可单字节表示该字符。最稳妥：用 L'\u4E2D'/u'\u4E2D'/U'\u4E2D' 或放到 u8"中" 字符串里。

十、动手验证：一段小程序

#include <stdio.h>
int main(void) {
    printf("'\\n'=%d, '\\r'=%d, '\\t'=%d\n", '\n', '\r', '\t');
    printf("'A'=%d, '\\101'=%d, '\\x41'=%d\n", 'A', '\101', '\x41');
    printf("'\\0'=%d, '\\\\'=%d, '\\''=%d, '\"'=%d\n", '\0', '\\', '\'', '\"');

    unsigned char u = '\xFF';
    signed char   s = '\xFF';
    printf("u=%%u -> %u, s=%%d -> %d\n", (unsigned)u, (int)s);

    // 注意：下面这行仅用于演示，不建议在生产中使用多字符常量
    printf("'AB' (impl-defined) = %d\n", 'A'<<8 | 'B'); // 常见拼法，接近多数实现
}

运行你的编译器/平台，感受执行字符集与**char 符号性**带来的差异。这些差异并不可怕——只要理解“字符常量的值＝执行字符集中的编码”这一核心命题，配合规范的写法，你的程序就能稳稳地跨平台工作。