如何使用 UTF-8 字符序列在 C++ 中初始化 const char* 和/或 const std::string？

Posted 2023-02-21

【中文标题】如何使用 UTF-8 字符序列在 C++ 中初始化 const char* 和/或 const std::string？

【英文标题】：How to initialize a const char* and/or const std::string in C++ with a sequence of UTF-8 character?

【发布时间】：2010-10-07 11:44:08

【问题描述】：

如何在 C++ 中使用 UTF-8 字符序列初始化 const char* 和/或 const std::string？

我正在使用接受 UTF8 字符串作为 const char* 的正则表达式 API。初始化代码应该是平台无关的。

【问题讨论】：

可用选项取决于您使用的编译器。

很容易。 const char* c = "ěščř";。只需将文件保存为 UTF-8 编码即可。

这些选项还取决于 UTF-8 字符串在源代码中的可读性。

运行时提供的任意字符串，还是编译时已知的字符串？如果是前者，它是如何提供的？作为一种特殊情况，如果是后者，并且如果您的字符串仅包含 ascii（7 位）字符，则 UTF-8 与这些字符的 ascii 相同，因此只需使用字符串文字。 const char *utf8_string = "hello, world";。当然，假设您的平台使用 ascii 作为其基本编码。

【参考方案1】：

这应该适用于任何编译器：

const char* twochars = "\xe6\x97\xa5\xd1\x88";

【参考方案2】：

编译器 - 独立答案也是： 将文件保存为 UTF-8 无 BOM 签名编码。

const char* c = "ěščř"; //Just save the file in UTF-8 without BOM signature.

（见问题的评论。） 顺便说一句，Windows 控制台必须设置为 UTF8。有关更多详细信息，请参阅 post 到 question。

【讨论】：

这应该是当今推荐的做法。明确说明您的所有源代码都是 UTF-8，没有 BOM，不例外，始终对所有文件使用 UTF-8，然后按照 C/C++ 标准方式支持的方式初始化常量字符串。