打印通用字符

Question

谁能解释为什么通用字符文字（例如“\u00b1”）被编码为 UTF-8 字符字符串？为什么下面会打印加号/减号？

#include <iostream>
#include <cstring>
int main()
{
  std::cout << "\u00b1" << std::endl;
  return 0;
}

这与我当前的语言环境有关吗？

Answer 1

2.13.2。 [...]

5/ 通用字符名被转换为编码，在 命名字符的执行字符集。如果没有 这样的编码，universal-character-name 被翻译成 实现定义的编码。 [注意：在翻译阶段 1，a 每当实际扩展时，都会引入通用字符名称 在源文本中遇到字符。因此，所有扩展 字符是根据通用字符名称来描述的。 但是，实际的编译器实现可能会使用自己的原生 字符集，只要得到相同的结果。 ]

和

2.2。 [...] 执行字符集成员的值 是实现定义的，任何其他成员都是 特定于语言环境。

简而言之，您的问题的答案在您的编译器文档中。然而：

2.2。 2/由universal-character-name指定的字符 \UNNNNNNNN 是 ISO/IEC 中字符短名称的字符 10646 是 NNNNNNNN；指定的字符 通用字符名称 \uNNNN 是其字符的那个字符 ISO/IEC 10646 中的简称为 0000NNNN。如果十六进制值为 通用字符名称小于 0x20 或在 0x7F-0x9F 范围内 （含），或者如果通用字符名称指定一个字符 在基本源字符集中，则程序格式错误。

所以您可以保证您命名的字符被翻译成实现定义的编码，可能是特定于语言环境的。

Answer 2

\u00b1 是 ± 符号，因为无论语言环境如何，它都是正确的 unicode 表示。

您的代码在ideone, see here。

Answer 3

字符串字面量，例如"abcdef" 是简单的字节数组（const char[] 类型）。编译器将其中的非 ASCII 字符编码为实现定义的内容。谣言说 Visual C++ 使用当前 Windows 的 ANSI 代码页，而 GCC 使用 UTF-8，所以你可能使用 GCC :)

因此，\uABCD 在编译时由编译器解释并转换为该编码中的相应值。 IE。它可以将一个或多个字节放入字节数组中：

sizeof("\uFE58z") == 3 // visual C++ 2010
sizeof("\uFE58z") == 5 // gcc 4.4 mingw

然而，cout 将如何打印字节数组，取决于区域设置。您可以通过std::ios_base::imbue() 调用更改流的区域设置。

Answer 4

C++ 字符集

随着 C++ 的标准化，回顾语言中包含的一些用于处理字符集的机制是很有用的。这似乎是一个非常简单的问题，但需要解决一些复杂问题。

首先要考虑的是 C++ 中“基本源字符集”的概念。这被定义为：

    all ASCII printing characters 041 - 0177, save for @ $ ` DEL

    space

    horizontal tab

    vertical tab

    form feed

    newline

或总共 96 个字符。这些是用于组成 C++ 源程序的字符。

一些国家字符集，例如欧洲 ISO-646 之一，将其中一些字符位置用于其他字母。受影响的 ASCII 字符是：

    [ ] { } | \

为了解决这个问题，C++ 定义了可用于表示这些字符的三字符序列：

    [       ??(

    ]       ??)

    {       ??<

    }       ??>

    |       ??!

    \       ??/

    #       ??=

    ^       ??'

    ~       ??-

三字母序列在编译过程的早期就被映射到相应的基本源字符。

C++ 还具有“替代标记”的概念，可用于将标记替换为其他标记。代币及其替代品的列表如下：

    {       <%

    }       %>

    [       <:

    ]       :>

    #       %:

    ##      %:%:

    &&      and

    |       bitor

    ||      or

    ^       xor

    ~       compl

    &       bitand

    &=      and_eq

    |=      or_eq

    ^=      xor_eq

    !       not

    !=      not_eq

另一个想法是“基本执行字符集”。这包括所有基本的源字符集，以及用于警报、退格、回车和 null 的控制字符。 “执行字符集”是基本执行字符集加上附加的实现定义字符。这个想法是源字符集用于定义 C++ 程序本身，而执行字符集用于 C++ 应用程序执行时。

鉴于此概念，可以在正在运行的程序中操作其他字符，例如来自西里尔文或希腊文的字符。字符常量可以使用以下任何一种来表示：

    \137            octal

    \xabcd          hexadecimal

    \u12345678      universal character name (ISO/IEC 10646)

    \u1234          -> \u00001234

此表示法使用源字符集来定义执行集字符。通用字符名称可用于标识符（如果是字母）和字符文字中：

    '\u1234'

    L'\u2345'

您的本地 C++ 编译器中可能尚不存在上述功能。在开发国际化应用程序时，它们是重要的考虑因素。