使用Unicode报告编译器错误消息行/列号

Question

当输入采用Unicode格式时，是否有标准/通用方法可以提供指向行和列的编译器样式错误消息？

例如，一种非常常见的编译器错误消息格式是： “filename：line_number：column_number：错误消息”，例如：

• （来自海湾合作委员会）：bad.c:1:10: syntax error, unexpected STRING
• （来自自定义工具）input.dat:45:3: expected String_Literal, found ';'，

当输入是固定的8位编码（例如ISO-8859-1）时，这是明确的。但是当输入是Unicode（UTF-8，UTF-16等）时，在这种情况下（或应该）“列”的含义是什么？哪个字节？哪个代码点？哪个石墨烯？是否有任何工具可以选择一个或另一个先例？

Answer 1

列应该引用非组合的Unicode代码点。 代理对（UTF-16）的两个部分都应该共享一列。 组合变音符号应该与它修改的基本字符共享一列。这也可能适用于其他非间距代码点。

Answer 2

GNU编码标准表示应使用Unicode字符宽度来计算列号：http://www.gnu.org/prep/standards/standards.html#Errors。

这应该与消耗错误消息的Emacs如何计算列号兼容：https://www.gnu.org/software/emacs/manual/html_node/elisp/Columns.html。

GCC中似乎有一个错误：https://gcc.gnu.org/bugzilla/show_bug.cgi?id=49973。

Answer 3

对于＆＃34;列＆＃34;的问题没有通用的答案。值在编译器和类似工具的错误消息中解释。除了它是基于单一的，几乎所有的工具和编辑似乎都很荣幸之外，据我所知，没有为你提到的不同解决方案之一建立标准。据我所知，使用我的Ubuntu 14.04系统，甚至vanilla GCC和vanilla Emacs在处理制表符时都会有所不同：GCC似乎将一个制表符视为一个字符，而Emacs解释一个制表符，因为许多字符实际上是缩进的它

以下是我个人的建议。我很乐意得到反馈。对于正在编写输出此类错误消息的工具的任何人，我建议计算字节数，而不对标签，Unicode，代理项对或组合字符进行任何特殊处理。这是最有用的，因为用户几乎从不读取列号。相反，列号几乎总是由用户界面解析。这应该使输出消息的工具和显示消息的应用程序都更容易。我的提案结束了。

实际上，我会输出您正在使用的编程语言中更方便的内容。