Question

考虑以下陈述 -

cout<<"\U222B";

int a='A';
cout<<a;

第一个语句打印一个集成符号（相当于Unicode代码点的字符），而第二个cout语句打印ASCII值65。

所以我想问两件事 -

1）如果我的编译器支持Unicode字符集，那么它为什么要实现ASCII字符集并显示字符的ascii值？

我的编译器是否实现了16位或32位字节？如果是，那么为什么CHAR_BIT的值设置为8？

Answer 1

在回答第一个问题时，Unicode 的底部128个代码点是 ASCII。两者之间没有真正的区别。

您看到65的原因是因为您输出的内容（a）是int而不是char（它可能已启动作为char但是，通过将其放入a，您修改了将来如何处理它。

对于第二个问题，字节是char，至少就ISO C和C ++标准而言。如果CHAR_BIT定义为8，那么char类型的宽度是多少。

但是，您应该记住Unicode 代码点和Unicode 表示（例如UTF-8）之间的区别。如果使用UTF-8表示，则CHAR_BIT == 8仍然允许Unicode工作。

我的建议是使用十六进制转储实用程序捕获程序的输出，您可能会发现Unicode字符以e2 88 ab形式出现，这是U+222B的UTF-8表示形式。然后它将被程序之外的东西（例如，终端程序）解释为呈现正确的字形：

#include <iostream>
using namespace std;
int main() { cout << "\u222B\n"; }

上面运行该程序会显示正在输出的内容：

pax> g++ -o testprog testprog.cpp ; ./testprog
∫

pax> ./testprog | hexdump
0000000 e2 88 ab 0a

您可以通过以不同方式生成相同的UTF-8字节序列来确认：

pax> printf "\xe2\x88\xab\n"
∫

Answer 2

这里有几个不同的问题/问题：

正如paxdiablo指出的那样，你看到的是“65”，因为你输出“a”（值'A'= ASCII 65）为“int”。
是的，gcc支持Unicode源文件：--finput-charset=OPTION
最后一个问题是C ++编译器是否将“字符串”视为8位ASCII或n位Unicode。

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：

PS：

对Unicode的语言支持：

Java是从头开始设计的。

不幸的是，那时只意味着UTF-16。 Java 5支持nicode 6.0，Java 7 Unicode 6.0和当前的Java 8支持Unicode 6.2。
.Net更新。 C＃，VB.Net和C ++ / CLI都完全支持Unicode 4.0。

较新版本的.Net支持较新版本的Unicode。例如，.Net 4.0支持Unicode 5.1]（What version of Unicode is supported by which .NET platform and on which version of Windows in regards to character classes?）。
Python3还支持Unicode 4.0：http://www.diveintopython3.net/strings.html

Answer 3

总之，如果有错误，请抱歉我的英语。

C ++字节是任何定义的位数，足以传输标准指定的集合中的每个字符。这个必需的字符集是ASCII的一个子集，之前定义的“位数”必须是char的内存单元，这是C ++中最小的内存原子。每个其他类型必须是sizeof(char)的倍数（任何C ++值都是连续存储在内存中的一堆字符）。

因此，sizeof(char)的定义必须是1，因为它是C ++的内存测量单元。如果1表示1个物理字节是否是实现问题，但普遍接受为1个字节。

我不明白的是16位或32位字节是什么意思。

其他相关问题是关于编译的编码适用于源文本，包含的文字字符串。如果我没有错，编译器会将每个翻译单元（源代码文件）规范化为其选择的编码来处理文件。

我真的不知道引擎盖下发生了什么，但也许你已经读过一些关于源文件/内部编码的内容，以及16位/ 32位编码，所有的混乱都混合在你的头上。不过我还是很困惑。