Caracteres

Caracteres são representados pelo tipo char, que também representa o menor tipo inteiro.

Isso acontece pois caracteres são representados por códigos númericos, que indicam diferentes caracteres.

A implementação mais comum e adotada é o padrão ASCII, que estabelece um padrão para caracteres utilizando os código númericos de 0 a 127 para representar 128 caracteres diferentes.

Abaixo uma imagem representando a tabela ASCII:

Exemplo de código utilizando caracteres :

#include <stdio.h>

int main() {
    char test = 'A';
    putchar(test); //Escreve o caractere 'A'
}

Sequências de escape

Podemos escrever caracteres utilizando sequências de escape que começam com \.

Sendo elas:

• \a : Alerta, geralmente toca um beep quando escrito (Bell 0x7)
• \b : Backspace, usado para apagar uma tecla (0x8)
• \f : Usado para quebra de página, mantendo a mesma posição horizontal mas em uma nova linha (Form Feed 0xC)
• \n : Escreve uma nova linha (LF ou line feed 0xA)
• \r : Volta o cursor para o início da linha (CR ou Carriage Return 0xD), além disso o padrão de nova linha do windows é \r\n
• \t : Equivalente ao “tab”, insere espaços para formatação (0x9)
• \v : Tab vertical (0xB)
• \' : Usado para digitar o caractere ' pois ele é normalmente usado para literais de caractere
• \" : Usado para digitar o caractere " pois ele é normalmente usado para literais de string
• \\ : Usado para digitar o caractere \ pois ele é usado para sequências de escape
• \OOO: Usado para digitar um caractere em uma string, indicando uma sequência no sistema númerico octal, OOO deve ser números de 0 a 8
• \xHH: Usado para digitar caracteres ASCII, diretamente no seu valor em hexadecimal, HH pode ser uma sequência de qualquer tamanho de digitos hexadecimais.
• \unnnn: Usado para digitar um caractere Unicode com valor U+nnnn (desde o C99).
• \Unnnnnnnn: Usado para digitar um caractere Unicode com valor U+nnnnnnnn (desde o C99).

Tipos adicionais de caracteres

Existem outros tipos adicionais de caracteres, sendo eles :

• wchar_t: Tipo de caractere “largo” definido pela plataforma, no geral é utilizado para caracteres em UTF-16 no windows e UTF-32 no linux/macOs.
• char8_t: Utilizado para guardar caracteres em UTF-8 e é o mesmo tipo efetivo de unsigned char (adicionado no C23).
• char16_t: Utilizado para guardar caracteres que ocupam até 16bits (adicionado no C11).
• char32_t: Utilizado para guardar caracteres que ocupam até 32bits (adicionado no C11).

Estes tipos ajudam também a especificar a intenção do código, pois seria possível usar tipos de inteiros para guardar os códigos de caracteres que são maiores ou mesmo usar unsigned char diretamente para caracteres UTF-8.

Já o tipo wchar_t é especialmente útil no Windows, que internamente usa UTF-16 e exige em muitos casos, uso de strings neste padrão, como wchar_t foi incluido antes mesmo do C11, é possível usar versões mais antigas do C com ele.

Literais de caractere

Para escrever caracteres, podemos utilizar :

 'A'  //Literal de caractere
L'B'  //Literal de caractere do tipo wchar_t
u'C'  //Literal de caractere do tipo char16_t (adicionado no C11)
U'💻' //Literal de caractere do tipo char32_t (adicionado no C11)

u8'D' //Literal de caractere em UTF-8 (adicionado no C23)

Também é possível escrever literais para múltiplos caracteres, mas o valor efetivo é definido pela implementação.

• Literais de múltiplos caracteres como 'AB' tem tipo int.
• Literais largos de múltiplos caracteres como L'AB' tem tipo wchar_t.
• Os especificadores u e U geralmente não devem ser usados para literais de múltiplos caracteres, pois não são suportados em compiladores como clang e seu suporte foi totalmente removido no C23.

Apesar de literais de múltiplos caracteres serem definidos por implementação, a maioria dos compiladores, exceto o MSVC (compilador da microsoft), implementa como um valor em big endian alinhado para direita, de forma que \1 seja 0x00000001 e \1\2\3\4 seja 0x01020304.

Literais de múltiplos caracteres são comumente utilizados para definir números “mágicos” usados no início de arquivos para identificar unicamente seu tipo, por exemplo imagens em PNG começam com %PNG, Zips com PK, BMPs com BMP.