Question

我无法理解c ++标准中的含义：

任何不在基本源字符集中的源文件字符（2.3）由指定它的通用字符名称替换特征。（实现可以使用任何内部编码，这么久作为源文件中遇到的实际扩展字符，和在源文件中表示的相同扩展字符为通用字符名称（即使用\ uXXXX表示法）是处理等效，除非这个替换在a。中被还原原始字符串文字。）

据我了解，如果编译器看到charcter不在基本字符集中，它只是用这种格式的字符序列替换它'\ nNNNNN'或'\ UNNNNNNNN'。但我不知道如何获得这个NNNN或NNNNNNNN。所以这是我的问题：如何进行转化？

Answer 1

请注意前面的句子：

物理源文件字符以实现定义的方式映射到基本源字符集（如果需要，引入行尾指示符的换行符）。

也就是说，它完全取决于编译器如何实际解释构成文件的字符或字节。在进行此解释时，必须确定哪个物理字符属于基本源字符集，哪些不属于。如果一个角色不属于某个角色，那么它将被替换为通用角色名称（或者至少，效果是就像那样）。

这一点是将源文件减少到一小组字符 - 基本源字符集中只有96个字符。任何不在基本源字符集中的字符都已替换为\，u或U，以及一些十六进制数字（0 - F）。< / p>

通用字符名称是以下之一：

\uNNNN
\UNNNNNNNN

每个N是十六进制数字。这些数字的含义在§2.3中给出：

通用字符名\UNNNNNNNN指定的字符是ISO / IEC 10646中字符短名称为NNNNNNNN的字符;通用字符名\uNNNN指定的字符是ISO / IEC 10646中的字符短名称为0000NNNN的字符。如果通用字符名称的十六进制值对应于代理代码点（在0xD800 - 0xDFFF范围内），则该程序格式不正确。

ISO / IEC 10646标准在Unicode之前发起并定义了通用字符集（UCS）。它为字符分配了代码点，并指定了应如何编码这些代码点。然后，Unicode Consortium和ISO小组联合起来处理Unicode。 Unicode标准规定的不仅仅是ISO / IEC 10646（算法，功能字符规范等），但两种标准现在保持同步。

因此，您可以将NNNN或NNNNNNNN视为该字符的Unicode代码点。

例如，请考虑源文件中包含以下内容的行：

const char* str = "Hellô";

由于ô不在基本源字符集中，因此该行内部转换为：

const char* str = "Hell\u00F4";

这将得到相同的结果。

您的代码中只有某些部分允许使用通用字符名称：

字符串文字
字符文字
在标识符中（但是，this is not very well supported）

Answer 2

但我不知道如何获得这个NNNN或NNNNNNNN。所以这是我的问题：如何进行转换？

映射是实现定义的（例如§2.3脚注14）。例如，如果我将以下文件保存为Latin-1：

#include <iostream>

int main() {
    std::cout << "Hallö\n";
}

在OS X上使用g++进行编译，运行后得到以下输出：

Hell�

...但如果我把它保存为UTF-8，我就会得到这个：

Hellö

因为GCC假定UTF-8作为我系统上的输入编码。

其他编译器可能会执行不同的映射。

Answer 3

因此，如果您的文件被称为Hello°¶.c，那么在内部使用该名称时，编译将是如果我们这样做：

cout << __FILE__ << endl;

编译器会将Hello°¶.c翻译为Hello\u00b0\u00b6.c。

但是，当我用g++尝试此操作时，它不会这样做......

但汇编程序输出包含：

.string "Hello\302\260\302\266.c"

C ++编译。翻译阶段＃1。通用角色名称

3 个答案: