C ++ 0x中char和Unicode的签名

Posted 2021-04-01

从C ++ 0x工作草案中，用于处理Unicode的新char类型（char16_t和char32_t）将是无符号的（uint_least16_t和uint_least32_t将是基础类型）。

但据我所知（也许不是很远），没有定义类型char8_t（基于uint_least8_t）。为什么？

当你看到为UTF-8字符串文字引入一个新的u8编码前缀时，它会更加令人困惑......基于老朋友（sign / unsigned）char。为什么？

更新：有一个添加新类型的建议：char8_t

char8_t：UTF-8字符和字符串的类型（修订版1）http://www.open-std.org/jtc1/sc22/wg21/docs/papers/2018/p0482r1.html

答案

char将是用于UTF-8的类型，因为它被重新定义以确保它可以与它一起使用：

为了在C ++编译器中增强对Unicode的支持，char类型的定义已经被修改为至少是存储UTF-8的8位编码所必需的大小，并且足够大以包含编译器的任何成员。基本执行字符集。它以前只定义为后者。 C ++ 0x将支持三种Unicode编码：UTF-8，UTF-16和UTF-32。除了之前提到的对char定义的更改外，C ++ 0x还将添加两个新的字符类型：char16_t和char32_t。它们分别用于存储UTF-16和UTF-32。

资料来源：http://en.wikipedia.org/wiki/C%2B%2B0x

大多数UTF-8应用程序在PC / mac上都使用了char。

另一答案

char16_t和char32_t应该可用于表示代码点。由于没有负代码点，因此无需签名就明智了。

UTF-8不直接表示代码点，因此u8的基础类型是否已签名无关紧要。

另一答案

C ++ 0x草案似乎并不表示新的Unicode字符类型是否已签名或未签名。但是，正如其他人已经提到的那样，由于没有负的Unicode代码点，因此char16_t和char32_t无符号会更有意义。 （再说一次，char无条件有意义，但自70年代以来我们一直在处理“负面”角色。）

此外，由于UTF-16的范围从0x0到0xFFFF（忽略代理对），因此您需要整个范围的无符号16位整数来正确表示所有值。至少可以说，如果代码点0x8000到0xFFFF用char16_t表示为负数，那将是很尴尬的。

无论如何，直到C ++ 0x委员会在这个问题上说明确定的事情，你总是可以检查你的实现：

#include <type_traits>
#include <iostream>

int main()
{
    std::cout << std::boolalpha << std::is_signed<char16_t>::value << std::endl;
}

这将在Linux上使用GCC 4.45打印出false。所以至少在一个平台上，新的Unicode类型肯定是无符号的。