为什么C ++ 11 Standard引入了char16_t和char32_t类型？是不是1字节足以存储字符？扩展字符类型的大小有什么用途吗？
答案 0 :(得分：9)
因此，在您阅读了Joel关于Unicode的文章之后，您应该了解一般的Unicode，而不是C ++。
C ++ 98的问题在于它真的不知道Unicode。 （除了通用字符引用转义语法之外。）C ++只需要实现来定义“基本源字符集”（这基本上没有意义，因为它是关于源文件的编码，因此归结为告诉编译器“这是“）”，“基本执行字符集”（由窄字符串表示的一些字符集，以及用于在运行时表示它的8位（可能是多字节）编码，必须包含最重要的字符）在C ++中）和“宽执行字符集”（基本集的超集，以及使用wchar_t作为其代码单元的编码，需要单个{{1} }可以表示集合中的任何字符。）
这些字符集中的实际值都没有。
那发生了什么？
好吧，微软很早就转向了Unicode，当它仍然只有不到2 ^ 16个字符时。他们使用UCS-2实现了他们的整个NT操作系统，UCS-2是旧Unicode版本的固定宽度16位编码。他们将其宽泛的执行字符集定义为Unicode，使wchar_t 16位并使用UCS-2编码非常有意义。对于基本集，他们选择“无论当前的ANSI代码页是什么”，这没有任何意义，但他们几乎继承了这一点。由于窄字符串支持被认为是遗留的，因此Windows API充满了奇怪的限制。我们会谈到这一点。
Unix转换了一会儿，当时已经很清楚16位还不够。面对使用16位可变宽度编码（UTF-16），32位固定宽度编码（UTF-32 / UCS-4）或8位可变宽度编码（UTF-8）的选择，与UTF-8一起使用，它也具有很好的属性，即用于处理ASCII和ISO-8859- *文本的大量代码甚至不需要更新。对于wchar_t，他们选择32位和UCS-4，以便它们可以在一个单元中表示每个Unicode代码点。
微软随后将他们拥有的所有内容升级为UTF-16以处理新的Unicode字符（带有一些长期存在的错误），并且由于向后兼容性，wchar_t仍为16位。当然，这意味着wchar_t不能再代表单个单元中的广泛集合中的每个字符，使得Microsoft编译器不符合要求，但没有人认为这是一个大问题。它不像某些C ++标准API完全依赖于该属性。 （嗯，是的，wchar_t是。运气好。）
但是，他们仍然认为UTF-16是可行的方式，狭窄的API仍然是不受欢迎的继子女。 UTF-8没有得到支持。您不能将UTF-8与狭窄的Windows API一起使用。您无法使Microsoft编译器使用UTF-8作为窄字符串文字的编码。他们只是觉得不值得。
结果：尝试为Unix和Windows编写国际化应用程序时极度痛苦。 Unix可以与UTF-8，UTF-16的Windows一起使用。它很丑。 codecvt在不同的平台上有不同的含义。
wchar_t和char16_t以及新的字符串文字前缀char32_t，u和U是尝试为程序员提供可靠的工具使用编码。当然，您仍然需要为多平台代码进行奇怪的编译时切换，或者决定一个编码并在某个包装层进行转换，但至少您现在拥有适合后一种选择的正确工具。想要去UTF-16路线吗？在任何地方使用u8和u，根据需要在系统API附近转换为UTF-8。以前你在Unix环境中完全不能这样做。想要UTF-8吗？使用char16_t和char，在UTF-16系统API附近进行转换（并避免使用标准库I / O和字符串操作，因为Microsoft的版本仍然不支持UTF-8）。以前在Windows中根本无法做到这一点。现在你甚至可以使用UTF-32，如果你真的想要转换到任何地方。在Windows之前，这也是不可能的。
这就是为什么这些东西都在C ++ 11中：给你一些工具来解决可怕的SNAFU围绕跨平台代码中的字符编码，至少在某种程度上可预测和可靠的方式。
答案 1 :(得分：7)
1个字节从来就不够用。存在数百种Ansi 8bit编码，因为人们不断尝试将不同语言填充到8位限制的范围内，因此相同的字节值在不同语言中具有不同的含义。然后Unicode来解决这个问题，但它需要16位（UCS-2）。最终，世界语言的需求超过了16位，因此创建了UTF-8/16/32编码来扩展可用值。
创建了 char16_t和char32_t（以及它们各自的文本前缀），以便在所有平台上以统一的方式处理UTF-16/32。最初，有wchar_t，但它是在Unicode是新的时创建的，它的字节大小从未标准化，甚至直到今天。在某些平台上，wchar_t为16位（UTF-16），而在其他平台上则为32位（UTF-32）。多年来，当跨平台交换Unicode数据时，这引起了大量的互操作性问题。 char16_t和char32_t最终被引入标准尺寸 - 分别为16位和32位 - 以及所有平台上的语义。
答案 2 :(得分：0)
在Unicode中定义了大约100000个字符（它们称为代码点）。所以为了指定其中任何一个，1个字节是不够的。 1个字节就足以枚举它们中的前256个，这恰好与ISO-8859-1相同。两个字节足以用于最重要的Unicode子集，即所谓的 Basic Multilingual Plane ，以及许多应用程序，例如Java，支持Unicode的16位字符。如果你想要真正的每一个Unicode字符，你必须超越它并允许4字节/ 32位。由于不同的人有不同的需求，C ++允许不同的大小。 UTF-8是程序中很少使用的可变大小编码，因为不同的字符长度不同。在某种程度上，这也适用于UTF-16，但在大多数情况下，您可以使用char16_t安全地忽略此问题。