Question

有人可以解释为什么通用字符文字（例如“\ u00b1”）被编码为字符串为UTF-8吗？为什么以下打印加号/减号？

#include <iostream>
#include <cstring>
int main()
{
  std::cout << "\u00b1" << std::endl;
  return 0;
}

这与我当前的语言环境有关吗？

Answer 1

2.13.2。 [...]

5 /通用字符名称被转换为编码   名为的字符的执行字符集。如果没有   这样的编码，通用字符名称被翻译成一个   实现定义编码。 [注意：在翻译阶段1，a   每当实际扩展时引入通用字符名称   在源文本中遇到字符。因此，全部延伸   字符以通用字符名称描述。   但是，实际的编译器实现可能使用自己的本机   字符集，只要获得相同的结果即可。 ]

和

2.2。 [...]执行字符集成员的值是实现定义的，任何其他成员都是区域特异性的。

简而言之，您的问题的答案在您的编译器文档中。但是：

2.2。 2 /通用字符名称指定的字符 \ UNNNNNNNN是ISO / IEC中字符短名称的字符 10646是NNNNNNNN;由...指定的角色 universal-character-name \ uNNNN是其角色的角色 ISO / IEC 10646中的短名称是0000NNNN。如果为十六进制值通用字符名称小于0x20或在0x7F-0x9F范围内（包括），或者如果通用字符名称指定一个字符在基本的源字符集中，程序是不正确的。

因此可以保证您命名的字符被转换为实现定义的编码，可能是特定于语言环境的。

Answer 2

\u00b1是±符号，因为无论语言环境如何，它都是正确的unicode表示。

您的代码位于ideone, see here。

Answer 3

字符串文字，例如"abcdef"是简单的字节数组（类型为const char[]）。编译器将非ASCII字符编码为实现定义的内容。谣言说Visual C ++使用当前Windows的ANSI代码页，GCC使用UTF-8，所以你可能在GCC上：）

因此，编译器在编译时解释\uABCD并将其转换为该编码中的相应值。即它可以将一个或多个字节放入字节数组中：

sizeof("\uFE58z") == 3 // visual C++ 2010
sizeof("\uFE58z") == 5 // gcc 4.4 mingw

然而，cout将如何打印字节数组取决于区域设置。您可以通过std::ios_base::imbue()调用更改流的区域设置。

Answer 4

C ++字符集

通过C ++的标准化，回顾一下处理字符集的语言中包含的一些机制是很有用的。这可能看起来像一个非常简单的问题，但有一些复杂性要与之抗衡。

要考虑的第一个想法是C ++中“基本源字符集”的概念。这被定义为：

    all ASCII printing characters 041 - 0177, save for @ $ ` DEL

    space

    horizontal tab

    vertical tab

    form feed

    newline

或总共96个字符。这些是用于组成C ++源程序的字符。

某些国家字符集，例如欧洲ISO-646字符集，会将其中一些字符位置用于其他字母。受影响的ASCII字符是：

    [ ] { } | \

为了解决这个问题，C ++定义了可用于表示这些字符的三字符序列：

    [       ??(

    ]       ??)

    {       ??<

    }       ??>

    |       ??!

    \       ??/

    #       ??=

    ^       ??'

    ~       ??-

在编译过程的早期，Trigraph序列被映射到相应的基本源角色。

C ++也有“替代令牌”的概念，可用于替换其他人的令牌。令牌及其替代品列表如下：

    {       <%

    }       %>

    [       <:

    ]       :>

    #       %:

    ##      %:%:

    &&      and

    |       bitor

    ||      or

    ^       xor

    ~       compl

    &       bitand

    &=      and_eq

    |=      or_eq

    ^=      xor_eq

    !       not

    !=      not_eq

另一个想法是“基本执行字符集”。这包括所有基本源字符集，以及alert，backspace，回车和null的控制字符。 “执行字符集”是基本执行字符集以及其他实现定义的字符。我们的想法是使用源字符集来定义C ++程序本身，而在执行C ++应用程序时使用执行字符集。

鉴于此概念，可以在正在运行的程序中操纵其他字符，例如来自西里尔语或希腊语的字符。字符常量可以使用以下任何一种表示：

    \137            octal

    \xabcd          hexadecimal

    \u12345678      universal character name (ISO/IEC 10646)

    \u1234          -> \u00001234

此表示法使用源字符集来定义执行集字符。通用字符名称可用于标识符（如果是字母）和字符文字：

    '\u1234'

    L'\u2345'

您的本地C ++编译器中可能尚不存在上述功能。在开发国际化应用程序时，必须考虑它们。

打印通用字符

4 个答案: