std :: u16string，std :: u32string，std :: string，length（），size（），代码点和字符

Question

我很高兴看到C ++ 11中的std::u16string和std::u32string，但我想知道为什么没有std::u8string来处理UTF-8案例。我的印象是std::string是针对UTF-8的，但似乎并不是很好。我的意思是，std::string.length()是否仍然返回字符串缓冲区的大小而不是字符串中的字符数？

那么，如何为新的C ++ 11类定义标准字符串的length()方法？它们是否返回字符串缓冲区的大小，代码点的数量或字符数（假设代理对是2个代码点，但是一个字符。如果我错了，请纠正我）？

那么size()呢？是不是等于length()？ 请参阅http://en.cppreference.com/w/cpp/string/basic_string/length了解我的困惑来源。

所以，我想，我的基本问题是如何使用std::string，std::u16string和std::u32string并正确区分缓冲区大小，代码点数和字符数？如果使用标准迭代器，是否要迭代字节，代码点或字符？

Answer 1

u16string和u32string不是“新的C ++ 11类”。它们只是std::basic_string和char16_t类型cha32_t的typedef。

对于任何length，

size始终等于basic_string。它是字符串中T的数量，其中T是basic_string的模板类型。

basic_string不以任何方式，形状或形式识别Unicode。它没有代码点，字形，Unicode字符，Unicode规范化或任何类型的概念。它只是T s的有序序列。关于u16string和u32string，唯一知道Unicode的是他们使用u""和U""文字返回的类型。因此，它们可以存储Unicode编码的字符串，但它们不需要知道所述编码。

迭代器迭代T的元素，而不是“字节，代码点或字符”。如果T为char16_t，那么它将迭代char16_t秒。如果字符串是UTF-16编码的，那么它将遍历UTF-16代码单元，而不是Unicode代码点或字节。

Answer 2

所有字符串类型都做同样的事情：它们包含一系列元素，每个元素的类型都是字符串的字符类型。 length()和size()都返回元素数量。迭代器迭代元素。更高级别的分析，例如计算字符数，需要更复杂的计算。

Answer 3

目前，标准中没有任何内容可以区分代码单元，代码点或单个字节。但是，似乎有一些事情要处理this sort of thing。根据标准委员会的决定，它可能是TR2或下一个标准的一部分。