Question

C ++源代码的标准编码是什么？ C ++标准是否甚至对此有所说明？我可以用Unicode编写C ++源代码吗？

例如，我可以在评论中使用非ASCII字符，例如中文字符吗？如果是这样，是允许完全Unicode还是只是Unicode的一个子集？（例如，16位第一页或其他任何名称。）

此外，我可以将Unicode用于字符串吗？例如：

Wstring str=L"Strange chars: âÂ Čšđ ě €€";

Answer 1

C ++中的编码非常复杂。这是我对它的理解。

每个实现都必须支持基本源字符集中的字符。这些包括§2.2/ 1中列出的常见字符（C ++ 11中的§2.3/ 1）。这些字符都应该合为一个char。此外，实现必须支持使用名为universal-character-names的方式命名其他字符的方法，并且看起来像\uffff或\Uffffffff，并且可用于引用Unicode字符。它们的一个子集可用于标识符（在附录E中列出）。

这很好，但是从文件中的字符到源字符（在编译时使用）的映射是实现定义的。这构成了所使用的编码。这就是字面意思（C ++ 98版）：

物理源文件字符是映射，在实现定义中方式，基本来源角色设置（引入换行符对于终端指标）如果必要。 Trigraph序列（2.3）被相应的替换单字符内部表示。任何源文件字符不在基本来源中字符集（2.2）被替换为通用字符名称点燃那个角色。（一个实施可以使用任何内部编码，只要是实际的遇到的扩展字符源文件，和扩展名相同在源文件中表示的字符作为通用字符名称（即使用\ uXXXX表示法，是等价处理。）

对于gcc，您可以使用选项-finput-charset=charset进行更改。此外，您可以在运行时更改用于表示值的执行字符。适当的选项是-fexec-charset=charset用于char（默认为utf-8）和-fwide-exec-charset=charset（默认为utf-16或utf-32，具体取决于wchar_t）。

Answer 2

据我所知，C ++标准没有提及任何有关源代码文件编码的内容。

通常的编码是（或曾经是）7位ASCII - 一些编译器（例如Borland的编码器）会忽略使用高位的ASCII字符。如果您的编译器和编辑器接受它们，那么没有技术上的原因无法使用Unicode字符 - 大多数现代的基于Linux的工具，以及许多基于Windows的更好的编辑器，可以毫无问题地处理UTF-8编码，尽管我我不确定微软的编译器会不会。

编辑：看起来微软的编译器会接受Unicode编码的文件，但有时也会产生8位ASCII的错误：

warning C4819: The file contains a character that cannot be represented
in the current code page (932). Save the file in Unicode format to prevent
data loss.

Answer 3

除了litb的帖子，MSVC ++也支持Unicode。据我所知，它从BOM中获取Unicode编码。它绝对支持int (*♫)();或const std::set<int> ∅;等代码如果你真的陷入代码晦涩：

typedef void ‼; // Also known as \u203C
class ooɟ {
    operator ‼() {}
};

Answer 4

这里有两个问题。第一个是C ++代码（和注释）中允许的字符，例如变量名。第二个是字符串和字符串文字中允许的字符。

如上所述，C ++编译器必须支持一个非常受限制的基于ASCII的字符集，用于代码和注释中允许的字符。在实践中，这个字符集对于一些欧洲字符集（特别是一些没有几个字符的欧洲键盘 - 如方括号 - 可用）效果不佳，因此有向图和三字符的概念是介绍。许多编译器目前接受的不仅仅是这个字符集，但没有任何保证。

对于字符串和字符串文字，C ++具有宽字符和宽字符串的概念。但是，该字符集的编码未定义。在实践中它几乎总是Unicode，但我认为这里没有任何保证。宽字符串文字看起来像L“字符串文字”，可以将它们分配给std :: wstring。

C ++ 11增加了对Unicode字符串和字符串文字的明确支持，编码为UTF-8，UTF-16大端，UTF-16小端，UTF-32大端和UTF-32小端。

Answer 5

对于字符串编码，我认为您打算使用 \ u 表示法，例如：

std::wstring str = L"\u20AC"; // Euro character

Answer 6

值得注意的是，C ++中的宽字符并不是真正的Unicode字符串。它们只是较大字符的字符串，通常为16，但有时为32位。这是实现定义的，但IIRC你可以拥有一个8位wchar_t你对它们中的编码没有真正的保证，所以如果你试图做一些像文本处理这样的事情，你可能会想要一个将Unicode定义为最适合Unicode实体的整数类型。

C ++ 1x以UTF-8编码字符串文字（u8"text"），UTF-16和UTF-32数据类型（char16_t和{{1}的形式提供额外的unicode支持} IIRC）以及相应的字符串常量（char32_t和u"text"）。不使用U"text"或\uxxxx常量指定的字符的编码仍然是实现定义的（并且文字之外的复杂字符串类型没有编码支持）

Answer 7

在这种情况下，如果您收到MSVC ++警告C4819，只需将源文件编码更改为“UTF-8 with Bom”。

GCC 4.1不支持此功能，但GCC 4.4支持，最新的Qt版本使用GCC 4.4，因此请使用“UTF-8 with Bom”作为源文件编码。

Answer 8

AFAIK它没有标准化，因为你可以在宽字符串中放置任何类型的字符。您只需检查您的编译器是否设置为Unicode源代码，以使其正常工作。

在C ++源代码中使用Unicode

8 个答案: