C 和 C++ 中的多字符文字

Posted 2023-02-24

【中文标题】C 和 C++ 中的多字符文字

【英文标题】：Multicharacter literal in C and C++

【发布时间】：2011-04-27 00:47:53

【问题描述】：

我不知道 C 和 C++ 允许 multicharacter literal: 不是“c”（C 中的 int 类型和 C++ 中的 char 类型），而是 'tralivali '（int 类型！）

enum

    ActionLeft = 'left',
    ActionRight = 'right',
    ActionForward = 'forward',
    ActionBackward = 'backward'
;

标准说：

C99 6.4.4.4p10：“一个 整数字符常量包含 多个字符（例如，'ab'）， 或包含字符或转义 不映射到 a 的序列 单字节执行字符，是 实现定义。”

我发现它们在C4 engine 中被广泛使用。但是当我们谈论平台无关的序列化时，我想它们并不安全。 Thay 也可能令人困惑，因为它看起来像字符串。那么多字符文字的使用范围是什么，它们对某些东西有用吗？它们在 C++ 中只是为了与 C 代码兼容吗？作为 goto 运算符，它们是否被认为是一个不好的功能？

【问题讨论】：

goto 不是一个坏功能；至少在 C 中。它比多字符文字有用得多。

Apple 过去使用它们来识别开发者和应用程序名称。基本上，它们是代表您的开发者 ID 的视觉方式。 int id='MYCP';Apple 会将您的开发者 ID 作为字符文字告诉您，而不仅仅是一个无聊的旧 int。

在boost::mpl::string 序列中使用（滥用？）多字符文字，如果你喜欢这种事情的话。

我们使用多字符文字来快速填充字符串。要使用“1234”填充字符串，我们使用 *(int*)sz = '4321'。 memcpy(sz, "1234", 4) 有时会针对 *(int*)sz = '4321' 产生的相同程序集进行优化。优化器并不总是这样做，所以我们使用多字符文字强制它..

在 C++ 中，多字符文字是有条件支持的。因此您的代码可能无法编译。如果它们受支持，则它们具有 实现定义 值。因此，实现可能会选择为所有多字符文字分配值0，从而破坏您的代码。

【参考方案1】：

这使得在内存转储中挑选值变得更加容易。

例子：

enum state  waiting, running, stopped ;

对比

enum state  waiting = 'wait', running = 'run.', stopped = 'stop' ;

以下语句后的内存转储：

s = stopped;

可能看起来像：

00 00 00 02 . . . .

在第一种情况下，vs：

73 74 6F 70 s t o p

使用多字符文字。 （当然是说“stop”还是“pots”取决于字节顺序）

【讨论】：

@pmg：不。我认为会发生不好的事情？

嗯，我听说在 Cray 机器上，“sizeof (char) == sizeof (int)”是真的。我完全不知道 C 编译器可能会对其中一个上的多字符文字做什么......

根据 Cray C & C++ 参考手册 (docs.cray.com/books/S-2179-52/html-S-2179-52/…)，多字符文字的工作方式相同（8 位/字符，即使 char 类型本身更大）。

@Ferruccio：很高兴知道这些技巧。通常的编程很常见，当某些语法有争议时，任何人都可以查找标准，而这些技巧只能通过实际工作/经验来学习。

请注意，尽管有这种“实现定义性”，仍然应该保持平等 (int mb = 'test' ; if( b == 'test' )) 应该保持不变，只要代码在同一台机器上运行。跨度>

【参考方案2】：

我不知道它的使用范围有多广，但“实现定义”对我来说是一个很大的危险信号。据我所知，这可能意味着实现可以选择忽略您的角色名称，并在需要时分配正常的递增值。它可能会做一些“更好”的事情，但你不能依赖跨编译器（甚至编译器版本）的行为。至少“goto”具有可预测的（如果不需要的话）行为......

无论如何，那是我的 2c。

编辑：关于“实现定义”：

来自Bjarne Stroustrup's C++ Glossary：

实现定义 - C++ 语义的一个方面，它是为每个实现定义的，而不是在标准中为每个实现指定的。一个示例是 int 的大小（必须至少为 16 位，但可以更长）。尽可能避免实现定义的行为。另请参阅：未定义。 TC++PL C.2.

还有……

undefined - C++ 语义的一个方面，不需要合理的行为。一个例子是取消引用一个值为 0 的指针。避免未定义的行为。另见：实现定义。 TC++PL C.2.

我相信这意味着评论是正确的：它至少应该编译，尽管没有指定任何其他内容。还要注意定义中的建议。

【讨论】：

据我了解不允许编译失败

只要您不依赖字节顺序或尝试序列化值就可以了。

我完全同意红旗。我的兴趣主要是理论上的。

这里对“未定义行为”的引用是无关紧要的。 “实现定义”和“未定义”是两个不同的术语，具有两种不同的含义。我不认为多字符文字属于nasal demons 类别。我认为@Ferruccio 是正确的：只要您不关心该功能是如何在后台实现的，您就可以使用该功能。

@Ferruccio，超级鱼。 “实现可以选择忽略您的角色指定，如果需要，只需分配正常的递增值。” (cit. Nick) 只有当你的编译器的文档要求特定的行为时你才可以。

【参考方案3】：

四个字符文字，我见过并使用过。它们映射到 4 个字节 = 一个 32 位字。如上所述，它对于调试目的非常有用。它们可以在带有整数的 switch/case 语句中使用，这很好。

这（4 个字符）非常标准（即至少受 GCC 和 VC++ 支持），尽管结果（编译的实际值）可能因一种实现而异。

但是超过 4 个字符？我不会用。

更新：来自 C4 页面：“对于我们的简单操作，我们将只提供一些值的枚举，这在 C4 中通过指定四字符常量来完成”。所以他们使用 4 个字符的文字，就像我的情况一样。

【讨论】：

不，没有遇到这些野兽。我使用的代码用于 x86-32 位 Windows PC。

@pmg Cray 是否支持 POSIX？

@tepples：我不知道，但根据an article on Wikipedia 我认为是的。

@pmg 因为char 是always 8-bit in POSIX。

【参考方案4】：

多字符文字允许通过字符中的等效表示来指定int 值。对枚举、FourCC 代码和标签以及非类型模板参数很有用。使用多字符文字，FourCC code 可以直接输入到源代码中，这很方便。

在 gcc 中的实现在 https://gcc.gnu.org/onlinedocs/cpp/Implementation-defined-behavior.html 中描述。请注意，该值将被截断为 int 类型的大小，因此如果您的整数为 4 个字符宽，则为 'efgh' == 'abcdefgh'，尽管 gcc 会在溢出的文字上发出警告。

不幸的是，如果传递了-pedantic，gcc 将对 all 多字符文字发出警告，因为它们的行为是实现定义的。正如您在上面看到的，如果您切换实现，两个多字符文字的相等性可能会发生变化。

【参考方案5】：

在C++14 specification draft N4527 部分 2.13.3，条目 2：

... 包含多个 c-char 的普通字符文字是多字符文字。多字符文字或包含无法在执行字符集中表示的单个 c-char 的普通字符文字是有条件支持的，具有 int 类型，并具有实现定义的值。

之前对您的问题的回答主要涉及支持多字符文字的真实机器。具体来说，在int 是 4 字节的平台上，四字节多字符很好并且可以方便地使用，如 Ferrucio 的内存转储示例。但是，由于不能保证这在其他平台上会起作用或以相同的方式起作用，应该不推荐在可移植程序中使用多字符文字。

【讨论】：

如何通过以与存储在字符串中相同的方式排列字符来使其可移植？我猜最初编写该标准部分的人是近视的，没有看到明显的解决方案。

【参考方案6】：

难以置信，我认识的每个编译器都将定义为 4 字符常量的 UINT 的第一个字符放在低有效字节（小印度）中 --- 但 Visual C 的做法相反?

// file signature
#define SFKFILE_SIGNATURE 'SFPK' (S=53)

// check header
if (out_FileHdr->Signature != SFKFILE_SIGNATURE)

VC 失败：

Borland：4B504653 4B504653

Watcom：4B504653 4B504653

VisualC: 4B504653 5346504B

【讨论】：

欢迎使用“实现定义”行为 :)

这实际上可能更可取，因为当之后逐字节读取时，字符会按原始顺序恢复。

小“端”。