如何在 C++ 中使用 unicode \u003c？答案

【问题标题】：How can I use unicode \u003c in C++?如何在 C++ 中使用 unicode \u003c？
【发布时间】：2015-10-10 02:00:03
【问题描述】：

我想像这样在 C++ 中使用 unicode \u003c。

const static string strUnicode = "\u003c";

但是编译的时候出错了。

error: \u003c is not a valid universal character

我发现 \u0001 和 \u009f 之间的 unicode 字符会导致相同的编译错误。它是一个错误吗？如何在 C++ 中正确使用这些 unicode 字符？

【问题讨论】：

如果我错了请纠正我，但这不只是"<"吗？
对我来说它确实为我正确编译。我使用 gcc 编译器。你呢？
但它确实失败了：ideone.com/L2wkMh
在较新的编译器中试一试，这行得通：ideone.com/zcCuFU
GCC 4.1.2 于 2007 年 2 月发布，GCC 4.1.0 于 2006 年 2 月发布。这几乎肯定会在较新的版本中得到修复。

标签： c++ unicode

【解决方案1】：

在 C++11 之前，除了 0x24 ($)、0x40 (@) 和 0x60 (`) 之外，C++ 不允许使用低于 0xA0 的代码点进行 Unicode 转义。

在 C++11 中，此限制被取消，它允许整个 UCS 范围 (0x0-0x10FFFF)，但代理代码点 (0xD800-0xDFFF) 除外。

C 仍然有与 C++98 相同的限制。

参考：https://en.cppreference.com/w/cpp/language/escape（参见“通用字符名称范围”部分）。

【讨论】：

【解决方案2】：

（根据interjay的评论编辑）：

如果使用的编译器和使用的标准（例如g++ 的-std=c++11）足够新，它应该可以工作。

用C，没有办法，注定失败；）

例如，如果我想在 UTF16 的代码中插入一些俄语文本（取决于平台将是 UTF-16LE 或 UTF-16BE），我不能这样写：

uint16_t ustr[]= u"\u043f\u0435\u0434\u0438\u0438\u0020\u2014\u0020";

改为：

uint16_t ustr[]= {0x043f,0x0435,0x0434,0x0438,0x0438,0x0020,0x2014,0x0020,0};

代理对也不起作用：

uint16_t usp[] = u"\ud83c\udf54"; /* surrogate pair */

编辑：可能很难相信，但 gcc-5.4 在此代码-sn-p 上给出了错误（是的，它一定是在预处理期间发生的，是的，它介于 #if 0 和 @987654327 之间@):

#if 0
Some \u sequences give errors like these:
error: \u0020 is not a valid universal character
error: \ud83c is not a valid universal character
error: \udf54 is not a valid universal character
#endif

编辑：重现问题的最简单程序：

int main (void) { u"\u0020"; return 0; }

结果：

gcc (ver-5.4, -std=c11):     error: \u0020 is not a valid universal character
gcc (ver-10.2, -std=c11):    error: \u0020 is not a valid universal character
clang (ver-3.4.2, -std=c11): error: character ' ' cannot be specified by a universal character name

【讨论】：

您使用了错误的类型。 u"..." 文字给出了 char16_t 数组，而不是 int16_t。一旦我修复它，它在新旧版本的 GCC 和 clang 上都能很好地编译。不允许使用代理代码点，可能是因为它们本身不代表字符。
@interjay 遗憾的是，这并没有改变我的情况；我添加了一个最小示例并添加了一些具体结果。
你正在编译为 C。问题是关于 C++。
@interjay 没错，这取决于语言。我会相应地编辑答案。