带有UTF-8执行字符集的C ++ 11字符文字'\ xC4'标准类型？

Question

考虑一个C ++ 11编译器，其执行字符集为UTF-8（并且符合x86-64 ABI，要求char类型为带符号的8位字节）。

字母Ä（变音符号）的unicode代码点为0xC4，并且具有2个代码单元UTF-8表示{0xC3, 0x84}

编译器为字符文字'\xC4'指定int类型，其值为0xC4。

编译器是否符合标准且符合ABI标准？你的推理是什么？

C ++ 11标准的相关引用：

2.14.3.1

  

包含单个c-char的普通字符文字具有char类型，其值等于执行字符集中c-char编码的数值。包含多个的普通字符文字   一个c-char是一个多字符文字。多字符文字具有int类型和实现定义   值。

2.14.3.4

  

escape \ xhhh由反斜杠后跟x后跟   一个或多个十六进制数字，用于指定所需字符的值。角色的价值   如果文本超出为char

定义的实现定义范围，则literal是实现定义的

Answer 1

§2.14.3第1段无疑是（C ++ 11）标准中的相关文本。但是，原文中有几个缺陷，最新版本包含以下文字，重点是：

  

多字符文字，或包含单个c-char的普通字符文字，在执行字符集中无法表示，是有条件支持的，具有类型int ，并且具有实现定义的值。

虽然这已被接受为defect，但它实际上并不构成任何标准的一部分。但是，它是一个建议，我怀疑很多编译器都会实现它。

Answer 2

从2.1.14.3p4开始：

  

如果字符文字的值超出为char

定义的实现定义范围，则它是实现定义的

历史上的x86编译器（正如你所指出的那样，这种做法现在是某种形式的官方标准）签署了char s。 \xc7超出范围，因此需要实现来记录它将产生的字面值。

看起来你的实现提升了用\ x转义为（范围内）整数文字指定的超出范围的字符文字。

Answer 3

你正在混合苹果，橘子，梨和金橘：）

是的，“\ xc4”是一个合法的字符文字。具体来说，标准称之为“狭义字符文字”。

来自C ++标准：

  

基本源字符集成员的字形是   旨在识别ISO / IEC 10646子集中的字符   对应于ASCII字符集。但是，因为映射   从源文件字符到源字符集（描述于   转换阶段1）被指定为实现定义的，a   实现是否需要记录基本源字符的方式   在源文件中表示。

这可能有助于澄清：

• Rules for C++ string literals escape character

如果您不熟悉它，这也可能会有所帮助：

• The absolute minimum every software developer should know about Unicode

这是另一个好的，简洁的 - 有启发性的 - 参考：

• IBM Developerworks: Character literals