字符串字符由编译器解释

Question

让我们从C ++中的一个简单的行开始

char const* hello = "動画、読書な"; // I hope it is not offensive, I dont know what this means ))

并指出此行存储在utf-8编码文件中。 当我使用此行传递文件进行编译（结果是二进制代码）时，编译执行以下步骤：

1. 读取文件（需要知道文件编码是什么，如果是utf-8，使用BOM可能会很容易，但其他编码呢？）
2. 使用语法解析文件内容，构建语法树，...
3. 如果一切正常，它就会开始编写二进制代码，在这个阶段它会在代码中保存常量。

问题是如何将常数存储在上面（“动画，読书な”）？它以某种方式转换它吗？ 或者它只是从文件中“字符直到另一个”之后读取字节并按原样存储它们？那么它是否意味着最终的二进制代码取决于原始的源文件编码？

Answer 1

源代码必须以实现定义的方式转换为ASCII，并在必要时使用转义序列保留原始编码的字符：

  

ISO / IEC 14882：2003（E）

     

2.1.1翻译阶段

     

物理源文件字符以实现定义的方式映射到基本源   字符集（为行尾引入换行符   指标）如有必要。 Trigraph序列（2.3）被替换为   相应的单字符内部表示。任何来源   不替换基本源字符集（2.2）中的文件字符   通过指定该角色的通用字符名称。 （一个   实现可以使用任何内部编码，只要是实际的   源文件中遇到的扩展字符，并且相同   扩展字符在源文件中表示为   处理通用字符名称（即使用\ uXXXX表示法）   等效。）

     

...

     

^15）基本成员的字形   源字符集旨在识别来自的字符   ISO / IEC 10646的子集，对应于ASCII字符集。   但是，因为从源文件字符映射到源   字符集（在翻译阶段1中描述）被指定为   实现定义，需要一个实现来记录如何   基本源字符在源文件中表示。