为什么wc -m和wc -c不同？

作为一名C程序员，我很惊讶地发现wc -c（它计算字节数）和wc -m（它计算字符数）对于我的一个长文本文件输出的结果截然不同。我一直被告知那sizeof(char)是1个字节。

qdii@nomada ~/Documents $ wc -c sentences.csv
102990983 sentences.csv
qdii@nomada ~/Documents $ wc -m sentences.csv
89023123 sentences.csv

有什么解释吗？

charC中的类型是一个字节，但是它用于ASCII字符；有可变宽度编码等UTF-8，可以占用每个字符的字节数。wc使用此mbrtowc(3)函数解码多字节序列，具体取决于LC_CTYPE环境变量设置的语言环境。如果正确设置语言环境，则在所有情况下都应获得相同的结果。例如：

qdii@nomada ~/Documents $ LC_CTYPE="C" wc -m sentences.csv
102990983 sentences.csv

a测

1. 您的语言环境使用UTF-8编码，并且

2. 您文件的大约10％由字符组成，这些字符需要多个字节才能编码为UTF-8。

顺便说一下，来自man wc：

   -c, --bytes
          print the byte counts

   -m, --chars
          print the character counts